demi的博客

无人车视觉传感器：超声波雷达（倒车）、毫米波雷达、LiDAR与摄像头。激光雷达精度，速度高（厘米级），成本高；毫米波雷达可适应恶劣天气

最近几年，随着技术的发展，VR（Virtual Reality）跟人工智能一样，火的简直不能再火了。其带来的视觉上的冲击、沉浸式的感官体验有很多人跃跃欲试，于是不少公司开始做VR，结果看起来容易，做起来却是步履维艰。

机器视觉是配备有传感视觉仪器(如自动对焦相机或传感器)的检测机器，其中光学检测仪器占有比重非常高，可用于检测出各种产品的缺陷，或者用与判断并选择出物体，或者用来测量尺寸...等，应用在自动化生产线上对物料进行校准与定位。是计算视觉中最具有产业化的部分，主要大量应用于工厂自动化检测及机器人产业等。

数字图像处理分为三个层次：低级图像处理、中级图像处理和高级图像处理（狭义图像处理、图像分析和图像理解）。

国外网络安全公司Cylance发布报告称，人工智能(AI)应用落地的两个最主要障碍是人工智能本身发展不成熟以及应用企业对技术储备的缺乏。人工智能可以有效地帮助网络安全专业人员应对更复杂更危险的威胁，但根据SANS研究所进行的一项调查，AI在被广泛采用之前面临着几个关键障碍。

帧缓存：它是屏幕所显示画面的一个直接映象，又称为位映射图(Bit Map)或光栅。帧缓存的每一存储单元对应屏幕上的一个像素，整个帧缓存对应一帧图像。帧缓冲区是指服务器（显存）中存储像素相关信息（颜色、深度）的存储空间。系统提供了帧缓冲区对象包括多个缓冲区，有颜色缓冲区、深度缓冲区、模板缓冲区等。

如果你一直在寻求使机器学习驱动的应用程序，你会注意到那里有大量的ML模型和模型实现，可能适合、也可能不适合您的任务。特别是如果你对特定类型的模型没有深入的了解，那么选择适合你的项目的模型实现可能会非常困难。

全球领先的信息技术研究和顾问公司Gartner近日发布了将在更长时期内影响安全、隐私与风险领导者的七个安全与风险管理新兴趋势。

根据联合国的预测，到2050年全球人口将达到97亿，其中三分之二将生活在城市中，全球各国政府已经面临一系列挑战——拥挤的生态环境和基础设施，唯有解决这些难题才能确保可持续性、安全性。这些挑战的紧迫性凸显了智能城市在持续城市化浪潮中继续推动增长，创新和文化活力的重要性。

近几年，机器学习成为一个非常火爆的词语，几乎所有的人，或多或少都听说过它，但很多人对机器学习的理解似是而非。机器学习是人工智能吗？机器学习与大数据、云计算有什么关系？机器学习是不是就是数据挖掘？机器学习是不是就是算法，就是统计学？深度学习是不是机器学习的升级版？