demi的博客

当你辗转于各种论坛时，相信会经常看到这样的问题：深度学习是否会取代传统的计算机视觉？或者说，当深度学习看起来如此有效时，是否还有必要研究传统的计算机视觉技术？

随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定能够在生产和生活中扮演人的角色。那么移动机器人定位技术主要涉及到哪些呢？经总结目前移动机器人主要有这5大定位技术。

我们经常见到介绍计算机视觉领域的深度学习新进展的文章，不过针对深度学习本身的研究经常告诉我们：深度学习并不是那个最终的解决方案，它有许多问题等待我们克服。

人类的视觉系统有非凡的能力，能够让我们从三维世界的二维投影中了解我们的三维世界。即使在具有多个移动对象的复杂环境中，人们也能够对对象的几何结构和深度顺序进行合理的解释。

在机器学习中，分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。分类器依据学习的方式可以分为非监督学习和监督学习。

人机对弈、刷脸支付、辅助诊疗……人工智能（AI）正在悄无声息地融入生活的方方面面。不过，你可能想不到，药物也可以借力AI技术来设计研发。通过大数据处理、机器学习、深度学习等技术，AI融入新药研发可望有效缩短研发时间，降低研发成本。

2020年将见证人工智能（AI）的巨大进步，而机器学习已经被证明是这项技术最成功和最广泛的应用，它影响着广泛的行业，并每天影响着数十亿的用户。

这篇文章比较早，但是内容很好，从实践中来到实践中去。确实是作者的经验之谈。

在学习机器学习中，看过挺多案例，看到很多人在处理数据的时候，经常把连续性特征离散化。为此挺好奇，为什么要这么做，什么情况下才要做呢。

近几年来，人工智能技术迅速发展、消费者在智能家居领域消费需求激增等因素使中国智能家居行业出现了多项宏观利好趋势。