博客
对于不在摄像机拍摄范围内的对象，对这一对象的绘制是完全没有必要的，所以可以用到遮挡剔除技术：将静态物体勾选static；选择Windows->Occlusion Culling打开遮挡剔除窗口，单机Bake；修改bake界面的参数大小，可以修改Bake的单元的大小......
目前全球待解决的十大挑战有哪些？1. 碳封存；2. 电网储能；3. 通用性流感疫苗；4. 老年痴呆症的治疗；5. 海洋清理；6. 节能海水淡化；7. 安全的无人驾驶汽车；8. 机器人的应用；9. 地震预测；10. 大脑解码。
我们发展人工智能，核心目的是为了用人工智能来解决我们日常工作生活中的各种问题，机器学习当然也不例外。那机器学习适合解决哪些问题呢？首先，我们一定要知道，机器学习不是万能的。其次，我们要认识到日常工作生活中的最大任务是“决策”。最后，“决策”背后的本质是“分类”。
物联网设备被认为是最危险的网络设备之一，因为它们非常容易被黑客攻击，大多数所有者忽略了必要的安全预防措施。供应商通知，安全专家的分析，甚至系统管理员报告都同意这一点。问题依然存在，因为大型感染继续成为头条新闻。
2019年推动人工智能发展的力量是什么?国外调研机构Forrester Research公司对未来一年企业CIO针对人工智能的5项预测进行了细分。Forrester公司的一系列报告指出了2018年IT团队在实施人工智能技术时的雄心壮志与执行力之间的差距，并预测了2019年将会发生什么。
图像在形成、传输和记录中，由于成像系统、传输介质和设备的不完善，导致图像质量下降，这一现象称为图像退化。图像复原和图像增强是有区别的，虽然二者的目的都是为了改善图像的质量，但图像增强不考虑图像是如何退化的，只通过试探各种技术来来增强图像的视觉效果。
本文的深度学习技巧来自吴恩达课程的笔记。运用深度学习解决问题除了需要掌握深度学习的理论知识外，还需要明白其中大量的技巧。这些技巧可以帮助我们加快训练速度，选取更好的算法和更合适的参数。我们将在后面逐步更新这里面的内容。
前阵子边缘计算概念股被狂炒，众多真假专家纷纷提出对这一技术的理解和展望，股民们高涨的热情弄得我都不敢发声了。如今眼见那些边缘计算概念股冲高回落，我也终于可以阐述自己对边缘计算的观点了。想法比较多，也可能不系统，所以就分几个角度来说吧。
近年来，随着人工智能、物联网、大数据等新一代信息技术的快速发展，智能化、网联化、数字化趋势愈加凸显。受此影响，汽车从单一的工业产品转变为工业与高科技结合的产物，汽车产业发展也正以风驰电擎的速度向前发展。那么，在当前和未来，有哪些关键词会成为汽车业发展的风向标呢？
在本文中，我将讨论无线网络的安全和最佳的WiFi密码破解或恢复工具。我将解释无线网络使用的加密类型以及这些工具如何破解网络以获取访问权限。我们还将看到哪些工具可以让用户监控网络。
unity会把 CGINCLUDE 和 ENDCG 之间的代码插入到每一个pass中，已达到声明一遍，多次使用的目的。例如，可以在 CGINCLUDE 和 ENDCG 之间 定义多个 顶点和片段方法，在pass里只要写明 #pragma vertex 顶点方法名 #pragma fragment 片段方法名 即可，而不用写具体的函数实现。
在中国房地产转型不断提速的进程中，绿色智慧社区是一个大势。通过实现智能化提升产品溢价以及业主体验是不少房企目前的一个着力点；另外，随着房地产转向存量市场，智能化的改造和提升作用也愈加凸显。但是，构建智慧社区并非一蹴而就的事情，就目前来看，其痛点颇多。
在了解DNN的反向传播算法前，我们先要知道DNN反向传播算法要解决的问题，也就是说，什么时候我们需要这个反向传播算法？在DNN中，损失函数优化极值求解的过程最常见的一般是通过梯度下降法来一步步迭代完成的，当然也可以是其他的迭代方法比如牛顿法与拟牛顿法。
几何顶点被组合为图元（点，线段或多边形），然后图元被合成片元，最后片元被转换为帧缓存中的象素数据。图元被分几步转换为片元：图元被适当的裁剪，颜色和纹理数据也相应作出必要的调整，相关的坐标被转换为窗口坐标。最后，光栅化将裁剪好的图元转换为片元。
我们知道，人类在发展、成长、生活的过程中积累了很多的经验。通过定期的对这些经验进行总结，获得了一些规律，这就叫“归纳”。利用这个“归纳”出来的“规律”，对类似的情况进行决策判断，从而指导我们的行动，这就是“演绎”。
计算机视觉的早期实验始于20世纪50年代，并在20世纪70年代首次在商业上用于区分打字文本和手写文本，但如今计算机视觉的应用已呈指数级增长。预计到2022年，计算机视觉和硬件市场预计将达到486亿美元。
