demi的博客

如今，人工智能无疑是最热门的技术之一。人工智能的发展离不开机器学习算法的不断进步，而作为机器学习的一个分支，深度学习也在其中起着重要的作用。然而，深度学习目前也是存在着一些棘手的问题。近日，《福布斯》采访了与人工智能相关的高管，就2019年人工智能发展趋势进行了预测。MediaMath首席技术官普拉萨德·查拉萨尼表示：“深度学习模型已经被证明很容易受到数据中难以察觉的扰动，这些扰动会欺骗模型做出错误的预测或分类。随着对大型数据集的依赖越来越大，人工智能系统需要防范此类攻击数据”。

深度学习真的万能吗？

当前，人工智能技术的发展突飞猛进，在很大程度上都得益于深度学习在基本的人类技能上取得的重大进步。深度学习的概念最早起源于20世纪50年代，但直到2006年才真正进入到大众的视野。深度学习作为机器学习研究中的一个新的领域，其目的是构建、模拟人类大脑进行分析学习的神经网络。在过去几十年的发展中，它大量借鉴了关于人脑、统计学和应用数学的知识。近年来，深度学习更是得益于高性能的计算机、大规模的数据集以及能够训练更深网络的技术，它的实用性和普及性都有了很大的发展。但是，随着应用的越来越深化，深度学习技术也逐渐暴露出不足之处。

法线贴图就是在原物体的凹凸表面的每个点上均作法线，通过RGB颜色通道来标记法线的方向，你可以把它理解成与原凹凸表面平行的另一个不同的表面，但实际上它又只是一个光滑的平面。对于视觉效果而言，它的效率比原有的凹凸表面更高，若在特定位置上应用光源，可以让细节程度较低的表面生成高细节程度的精确光照方向和反射效果。

法线贴图技术的使用可以使得低面模型具有与高模接近的光照表现。这可极大的提高实时渲染的效率。下面的截图做了很好的对比：

How it works

模型的光照表现跟其表面的法线分布密切相关，一般参与逐像素光照计算的法线由模型顶点间的法线光栅化插值得到，可以想象由少量三角面构成的表面插值得到的法线会比较平均。而法线贴图技术就是在不增加模型面数，渲染时用贴图采样得到的法线代替插值得到的法线来参与光照计算。

在图像几何变换的过程中，常用的插值方法有最邻近插值（近邻取样法）、双线性内插值和三次卷积法。

最邻近插值：

这是一种最为简单的插值方法，在图像中最小的单位就是单个像素，但是在旋转个缩放的过程中如果出现了小数，那么就对这个浮点坐标进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目标像素的像素值。取整的方式就是：取浮点坐标最邻近的左上角的整数点。

举个例子：
3 * 3 的灰度图像，其每一个像素点的灰度如下所示

我们要通过缩放，将它变成一个 4 * 4 的图像，那么其实相当于放大了4/3倍，从这个倍数我们可以得到这样的比例关系：

自动驾驶技术的发展将带来全面的社会和经济影响。历史地看，传统汽车成为了人们最主要的代步工具，塑造了如今的城市。那么，自动驾驶技术在重塑汽车的同时，也将塑造未来的城市和人类生活。

一、自动驾驶，一场将全面影响人类社会的交通革命

自动驾驶技术的发展是我们这个时代最具影响的交通议题。如今，高级驾驶辅助系统（Advanced Driver-Assistance Systems，ADAS）如自动巡航、碰撞预警、车道保持等技术已被广泛应用于汽车上。以此为起点，自动驾驶系统（Autonomous Driving System，ADS）开发商有望兑现一系列更广泛的功能：从强大的驾驶辅助技术到无须人类干预地执行所有驾驶任务的无人驾驶汽车。

不仅百年汽车行业正面临着一场大的变革，既有汽车产业价值链将被打破，竞争的核心将从以设备为主的硬件市场转移到以服务平台为主的系统市场。而且人类生活也将受到影响，新的技术催生全新的商业模式和服务策略，无人出租车、无人物流、自动驾驶软件许可等正在涌现，将提供更快、更好、更廉价、更环境友好的出行方式，并将惠及每一个人。

对于开发人员而言，基于云的机器学习工具带来了使用机器学习创造和提供新的功能的可能性。然而，开发者想要在它们的应用程序中融入机器学习，通常会犯一些错误，本文列了十条注意点以飨读者。

在提供发现埋藏数据深层的模式的能力上，机器学习有着潜在的能力使得应用程序更加的强大并且更能响应用户的需求。精心调校好的算法能够从巨大的并且互不相同的数据源中提取价值，同时没有人类思考和分析的限制。对于开发者而言，机器学习为应用业务的关键分析提供了希望，从而实现从改善客户体验到提供产品推荐上升至超个性化内容服务的任何应用程序。

像Amazon和Micorosoft这样的云供应商提供云功能的机器学习解决方案，承诺为开发者提供一个简单的方法，使得机器学习的能力能够融入到他们的应用程序当中，这也算是最近的头条新闻了。承诺似乎很好，但开发者还需谨慎。

对于开发人员而言，基于云的机器学习工具带来了使用机器学习创造和提供新的功能的可能性。然而，当我们使用不当时，这些工具会输出不好的结果，用户可能会因此而感到不安。测试过微软年龄检测机器学习工具( http://how-old.net/ )的人都会发现，伴随即插即用的易用性而来的是主要的精度问题——对于关键应用程序或者是重大决策，它应该不值得信赖。

机器视觉在中国的发展已有十余个年头。过去十年是机器视觉产业在中国市场发展最快的十年，经过一定时期的普及与推广，机器视觉已逐渐为广大客户所熟知，而且应用范围，也逐渐开始扩大，大规模的应用领域由起初的电子、制药等行业，逐步扩展到包装、印刷等各大领域。

机器视觉市场在发展，机器视觉技术在进步，在以不断满足客户发展需求的同时，最基本需求的满足也是不容忽视的。一直以来，我国的科技水平都处于不断发展的阶段，机器视觉技术作为科技发展的产物，为了更好的适应行业需求，也在不断的优化升级。纵观行业发展，国内机器视觉市场机遇与挑战并存，而行业技术的升级更显得尤为必要了。

在工业生产领域，工业机器人检测产品很大程度上依靠机器视觉，视觉的灵敏度将直接影响产品的检测速度和检测质量，因此设计一款质量过硬的视觉产品尤为重要，在设计过程中，设计人员会面临视觉定位、测量、检测和识别等诸多难题。

一、打光的稳定性

Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections

作者：Xiao-Jiao Mao、Chunhua Shen等

本文提出了一个深度的全卷积编码-解码框架来解决去噪和超分辨之类的图像修复问题。网络由多层的卷积和反卷积组成，学习一个从受损图像到原始图像的端到端的映射。卷积层负责特征提取，捕获图像内容的抽象信息，同时消除噪声/损失。相对应，反卷积层用来恢复图像细节。

网络结构

在底层图像修复领域，由于池化操作会丢失有用的图像细节信息，因此，本网络没有用到池化层，是一个全卷积的网络结构。

卷积层的特征图和与之相应成镜像关系的反卷积层特征图进行跳跃连接，对应像素直接相加后经过非线性激活层然后传入下一层。

除了枪支弹药，智能手机也可以成为恐怖分子手中强有力的武器，在一些大片里，我们时常会看到恐怖分子利用手机引爆隐藏的炸弹，监狱里的犯人利用手机遥控狱外人员继续作案等场景，其实这些场景都是真实存在的。但是，与此同时，执法机构也能够通过智能手机获取有效情报，并成功追踪到恐怖分子的踪迹。

2015年11月13日，法国巴黎市发生了一系列恐怖袭击事件，造成上百人死亡。虽然时过三年，此事仍然是众所周知的大规模袭击事件之一，也是法国甚至全球民众心中的一块伤口。人们不禁感叹，如果没有手机一切或许就无法顺利地按照计划进行。

一位不愿透露姓名的前法国反恐官员表示，袭击Bataclan音乐厅和其他夜生活场所的伊斯兰国（IS）极端组织的枪手和投弹手就是使用手机来协助完成屠杀活动的。

就在他们走进Bataclan音乐厅残忍屠杀90多人之前，袭击者还曾向比利时的同伙发送了一条短消息：我们这边一切顺利，屠杀已经开始了！

但是，如果智能手机已经成为圣战分子“颠覆游戏规则”的有力武器，那么一旦世界范围内的极端分子开始大规模将手机用于恐怖活动，其产生的影响/后果将远超此前的巴黎袭击事件。

IHS Markit预测，到2025年，全球将有大约754亿台物联网设备。几年后，大多数工业和消费领域都会出现连网设备。

在这里，EU Automation营销总监Jonathan Wilkins解释了物联网如何影响面向消费者的企业，以及制造商可以从中吸取什么教训。

物联网设备无处不在。一些是有用的，比如可以显示心率、步数和食物摄入量的健身跟踪器；有些没那么有用，比如Quirky 智能鸡蛋托盘，它可以监测冰箱里的鸡蛋数量及其有效期。如果用心选择，物联网设备可以帮助广泛的行业，如制造业、医疗保健和城市规划。

改变消费者

据预测，千禧一代将很快超过婴儿潮一代（从1946年至1964年出生的人），成为拥有可支配收入的最大消费者群体。到2020年，他们预计每年花费约4万亿美元，因此企业主应该考虑如何更好地针对这一人群。

千禧一代成长于数字时代，因此可以轻松适应创新技术。在更新服务时，企业主应考虑物联网设备如何帮助他们吸引受众并保持竞争力。

广告

选自 | Forbes
编译 | 网易智能（公众号 smartman163）
参与 | 晗冰

据国外媒体报道，近日《福布斯》采访了与人工智能相关的120位高管，就2019年人工智能将会如何进行了展望。对于未来的人工智能，虽然众说纷纭，但无疑是期望人工制更实用、更精确、为社会带来更好的未来。

“自动化金融是人工智能的一种实际应用，全球数百万银行客户已经开始以多种形式应用这种人工智能，未来几年会越来越好。”基于目前世界各地银行正在进行的项目，我看到越来越多的客户将依赖人工智能“提升”他们的财务状况，通过自动化应用来帮助实现财务目标。为了提供有效的自动化金融，金融机构将需要针对每一个客户群所在细分领域(如零售、小企业和财富)开发专用的人工智能，从更通用的人工智能形式转向嵌入主题知识和专业技能的特定领域解决方案。”
—— 以色列金融科技创新公司Personetics联合创始人兼首席执行官David Sosna