demi的博客

从图像中将某个特定区域与其他部分进行分离并提取出来的处理就是图像分割。因为图像分割处理实际上就是区分图像中的“前景目标”和“背景”，所以通常又称之为图像的二值化处理。图像分割在图像分析、图像识别、图像检测等方面占有非常重要的低位。

当前，影响“安防+AI”产品解决方案规模化应用的因素有很多：成本高；场景限制高；布点困难；安全要求更高......

如今，移动安全是每家公司最担心的问题——而且理由很充分:几乎所有员工现在都经常使用智能手机访问公司数据，这意味着让敏感信息不落入坏人之手是一个越来越复杂的难题。可以说，风险比以往任何时候都要高:根据波耐蒙研究所(Ponemon Institute) 2018年的一份报告显示，企业数据泄露的平均成本高达386万美元，这比一年前的估计成本高出6.4%。

2019年值得关注的机器人5项趋势：居家机器人变得越来越普遍；送货机器人更为实际；机器人与人们将一起工作；机器人为边缘计算提供了理想的平台；机器人为边缘计算提供了理想的平台。

机器学习算法可以通过概括示例来确定如何执行重要任务。手动编程很难完成这样的目标，所以机器学习通常是可行且成本有效的。随着更多数据的出现，可以解决更加雄心勃勃的问题。因此，机器学习被广泛应用于计算机真诚等领域。然而，开发成功的机器学习应用程序需要大量的“黑色艺术”，这在教科书中很难找到。

5G是下一代无线宽带技术，将在全球连接方面取得巨大进步。尽管这项新技术要到2020年才能在全球范围内推广，但新技术将提供的机会还是令人兴奋不已。从2G到5G的蜂窝移动标准演变带来了技术上的重大变化，这些变化使人们的生活和工作方式发生了翻天覆地的变化。事实上，世界上所有带微处理器的设备都将在未来连接网络，这些设备依赖于高质量、快速和安全的网络连接。

根据IDC全球半年度人工智能系统支出指南预测，2019年全球人工智能（AI）系统支出将达到358亿美元，比2018年增加44.0％。随着各行业大力投资采用AI软件功能的项目，人工智能系统支出到2022年将翻一番达到792亿美元，2018年到2020年预测期内的复合年增长率（CAGR）为38.0％。

随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。

噪声问题一直是语音识别的一个老大难的问题，在理想的实验室的环境下，识别效果已经非常好了，之前听很多音频算法工程师抱怨，在给识别做降噪时，经常发现WER不降反升，降低了识别率，有点莫名其妙，又无处下手。分析对比了降噪和没有降噪的识别文本对比和频谱分析，总结了以下这些原因，希望对后面的人有些参考意义。

转置卷积又叫反卷积、逆卷积。不过转置卷积是目前最为正规和主流的名称，因为这个名称更加贴切的描述了卷积的计算过程，而其他的名字容易造成误导。在主流的深度学习框架中，如TensorFlow，Pytorch，Keras中的函数名都是conv_transpose。