demi的博客

5G这个概念在2018年的年末随着华为孟晚舟事件被推向高潮，除了华为、三星、诺基亚等设备商和三大运营商，对于落地场景的智能家居来说，5G的全面商用也有诸多影响。

不仅仅是宽带的提升，除了智能家居，5G在工业自动化、无人驾驶、网联无人机、远程医疗、智能交通等领域逐步兴起；移动超高清视频、增强现实(AR)/虚拟现实(VR)等大视频应用推动网络带宽需求大幅提升。5G将开启万物互联、无限遐想的新时代，整个社会对5G时代充满期待。

整合智能设备促行业发展原动力

在刚刚过去的2018年，智能门锁、智能音箱、智能灯泡、烟雾探测器、智能网关(控制中心)、家用摄像头，满足人们安全保障的智能家居产品才是现阶段可以有效推动智能家居发展的动力。随着5G的发展及智能家居市场的日渐成熟，智能厂商积极联动构建智能安防生态系统，完善行业的配套法规和标准体系，这将极大地提高家庭用户的接受度，并将有望成为下一个发展爆点。

VoLTE受众范围更广泛

VoLTE即Voice over LTE(LTE通话)，它是一种IP数据传输技术，可实现数据与语音业务在同一网络下的统一。简单的说，就是当你在打电话的时候，也可以用流量上网。

VR即Virtual Reality，意思是“虚拟现实”，是一种可以创建和体验虚拟世界的计算机仿真系统。它利用计算机生成一种模拟环境，是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中。

在VR领域里，最被大家所熟知的就是VR眼镜了。VR眼镜是“虚拟现实头戴式显示器设备”的简称，亦可称为VR头显。

VR眼镜原理

VR眼镜的主要配置就是两片透镜。VR透镜属于成像光学设计，透镜表面设计有平凸（非球面）、双凸和凹凸效果，透镜边缘薄，中心厚。凸透镜能修正晶状体的光源的角度，使其重新被人眼读取，达到增大视角、将画面放大、增强立体效果的作用，让人有身临其境的感觉。

如果没有凸透镜做VR的眼镜，所看到的画面就很小，视觉效果就欠佳。因为光束是从不同角度射到晶状体上的，所以会感觉眼睛与事物的距离较远，而事实上距离并没有那么远。

VR眼镜的核心是显示技术。显示技术包括：交错显示、画面交换、视差融合。

交错显示

前言

近二十年来，DNS重绑定（DNS rebinding）攻击一直是讨论的话题。尽管浏览器厂商做出了努力，但仍然无法找到一个能稳定抵御这些攻击的防御系统。据说这类问题八年前就已经被修复了。但是这类攻击通过新的攻击向量再次出现。

总的来说，可以肯定未来的黑客活动将通过多个现有攻击组合形成新的攻击向量。这些新攻击向量的一个很好的例子就是攻击加密货币钱包的DNS重绑定攻击。

在本文中，我们讨论了Princeton（普林斯顿大学）和UC Berkeley（加州大学伯克利分校）关于基于web的方式攻击物联网设备的研究，这些攻击会导致设备被黑客发现、攻击和接管。研究于2018年8月发表。

设备与黑客发现和攻击物联网设备的方法

研究人员的目标是测试15个物联网设备。这些设备中只有七台有本地HTTP服务器，所以研究的重点放在它们上，它们包括：Google Chromecast、Google Home、一台智能电视、一个智能开关和三个摄像头。

卷积神经网络作为深度学习的典型网络，在图像处理和计算机视觉等多个领域都取得了很好的效果。

Paul-Louis Pröve在Medium上通过这篇文章快速地介绍了不同类型的卷积结构（Convolution）及优势。为了简单起见，本文仅探讨二维卷积结构。

卷积

首先，定义下卷积层的结构参数。

卷积核大小（Kernel Size）：定义了卷积操作的感受野。在二维卷积中，通常设置为3，即卷积核大小为3×3。

步幅（Stride）：定义了卷积核遍历图像时的步幅大小。其默认值通常设置为1，也可将步幅设置为2后对图像进行下采样，这种方式与最大池化类似。

边缘计算能就近提供智能互联服务，满足行业在数字化变革过程中的关键需求。在物联网时代，不断增长的数据催生了对边缘计算的需求，据IDC预测，未来超过50%的数据需要在网络边缘侧分析、处理和储存。其巨大的市场空间也被玩家们看在眼里，2019边缘计算还将如何更好地推动物联网技术发展？这里列出了7个有关边缘计算和物联网的预测。

1、IIoT分析和机器学习（ML）公司会重点衡量它们在计算方面的交付能力。

随着越来越多的IoT项目采用以云为中心的解决方案，人工智能（AI）和IoT下一步要解决的问题是如何使用较少的资源，将算法带到边缘侧。据Gartner称，在未来四年内75％的企业生成的数据将在边缘处理（相对于云计算），而今天只有不到10％公司会这样做。数据的大量增加，更高的保真度分析，更低的延迟要求，安全问题和巨大的成本优势这些因素都催生了边缘计算的兴起。

虽然云是存储数据和训练机器学习模型的好地方，但它不能提供高保真的实时流数据分析。相反，边缘技术可对所有的原始数据提供高可靠性地分析，并能检测各种异常，最重要的是能做出实时反应。

如何对现有的程序进行并行优化，是 GPU 并行编程技术最为关注的实际问题。本文将提供几种优化的思路，为程序并行优化指明道路方向。

优化前准备

首先，要明确优化的目标 - 是要将程序提速 2 倍？还是 10 倍？100倍？也许你会不假思索的说当然是提升越高越好。

但这里存在一个优化成本的问题。在同样的技术水平硬件水平下，提升 2 倍也许只要一个下午的工作量，但提高 10 倍可能要考虑到更多的东西，也许是一周的工作量。提高 100 倍， 1000 倍需要的成本，时间就更多了。

然后，需要将这个问题进行分解。通常来说先对数据集进行分解，然后将任务进行分解。这里要从数据集这样的矩阵角度来分析数据，将输入集和输出集中各个格点的对应关系找出来，然后分派给各个块，各个线程。

策略一：识别代码中的瓶颈所在

本文整理了网络/游戏/编程相关的专业术语，作为游戏开发中的辅助参考资料。

16毫秒 / 帧速率

Frame Rate。

电子游戏使用的光栅显示器是普通电视时，图像一般每秒更新60次。图像更新的时间叫做帧，1秒60次即1次16毫秒（0.0167秒 = 16.7毫秒）。

16毫秒是玩家可以识别的游戏画面改变的最短时间间隔。

ARPG

Action Role Playing Game。

角色扮演类游戏中动作性较强的实时游戏，也指包含冒险游戏特征的游戏。

bot

外挂。模拟游戏玩家自动访问游戏服务器、高效率地进行游戏、积累分数以及进行恶意的经济欺诈的程序。

测试外挂是指开发者准备的用来自动化测试的客户端程序。

CPU周期

CPU Cycle。

CPU处理操作的最小单位。1GHz的CPU一秒有10亿个CPU周期，以执行的命令数而言，1秒可以执行10亿次。

根据命令类型的不同，执行需要的CPU周期少则不到1个周期，多则有几百个。

VR视频，这里指的是沉浸式全景视频，基本场景是观影者戴上显示头盔（如cardboard），在其中通过头部的转动可以看到全景视频的每个方向的图像。同时也能听到来自各个方向的声音，声音也会随着头部的转动而发生变化。通过这种视频和声音与人的头部转动的配合，来给人一种身临其境的感觉。

整个VR视频系统，分为两部份：

一、视频制作：

1、可以通过全景拍摄设备配合图片合成软件来制作现场视频。
2、可以通过3D设计软件制作动画视频。
3、可以将现场视频和动画视频结合制作出更多形式的全景视频。

但不管是通过哪种方式，最终将输出的是一定格式的片源，和普通的视频相比，全景视频仅仅是内容上的差异，而格式上仍然采用诸如MP4\AVI等视频格式。

纹理特征

纹理特征刻画了图像中重复出现的局部模式与他们的排列规则，常用于图像分类和场景识别。其只能反映物体表面的特性，无法完全反映出物体的本质属性，所以仅仅利用纹理特征无法获得图像的高层次内容。

优点：
1. 具有旋转不变性
2. 具有良好的抗噪性能。

缺点：
1. 当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差
2. 有可能受到光照、反射情况的影响
3. 从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理

常用的纹理特征提取方法一般分为四大类：

1. 基于统计的方法：灰度共生矩阵、灰度行程统计、灰度差分统计、局部灰度统计、半方差图、自相关函数等

优点：方法简单，易于实现。
缺点：无法利用全局信息，与人类视觉模型不匹配；计算复杂度较高，计算耗时。

Unity Integrations现已正式发布，它允许你将重要的Unity服务连接到Slack、Jira和Discord等热门的生产和通讯工具。

使用Unity Integrations将是获取即时通知的最好方法，例如：当通过Cloud Diagnostics云诊断提交新的用户报告，或是团队成员将新改动推送到Collaborate多人协作时，你会马上得到通知。

如果你是Unity Plus加强版，Unity Pro专业版或Unity Teams Advanced订阅用户，可以获得无限制的集成功能。Unity Personal个人版和Unity Teams Basic用户则可以设置其中的一项集成。

功能简介