demi的博客

一些技术趋势进行预测很容易。例如，数字化转型、云计算、人工智能、量子计算等流行术语将会在新闻中继续受到广泛关注。但人们不太清楚的是这些技术领域将会如何发展?哪些创新将成为商业活动的组成部分？哪些技术将会逐渐失去重要性？企业将如何利用这些技术来获得竞争优势？IT领导者现在应该做些什么来为不久的将来做好准备？

为了回答这些问题，需要仔细研究咨询机构和分析机构发布的预测，寻找2019年最有趣和最相关的预测。但没有采用行业供应商的预测。这是因为大多数报告都有厂商自己的目的，对于其他IT团队来说没有实际价值。另一方面，分析师的预测可能对企业CIO和其他IT领导者有用，他们正在撰写目标、制定预算，以及确定未来一年的培训重点。

在许多情况下，分析师已经为企业IT团队提供了如何利用这些趋势的直接建议。通常，各个研究机构就企业应采取哪些步骤达成一致。但在其他情况下，网络安全是其中的一个趋势，分析师对于技术发展趋势如何影响企业以及领导者应该采取哪些措施来做好准备方面存在着截然不同的观点。

1. 数字化转型将有赢家和输家

1. 简介

细粒度图像分类 (Fine-grained image categorization), 又被称作子类别图像分类 (Sub-category recognition)，是近年来计算机视觉、 模式识别等领域一个非常热门的研究课题。 其目的是对属于同一基础类别的图像（汽车、狗、花、鸟等）进行更加细致的子类划分, 但由于子类别间细微的类间差异以及较大的类内差异, 较之普通的图像分类任务, 细粒度图像分类难度更大。 图1所示为细粒度图像分类数据集CUB-200[1]中的两个物种，加州鸥和北极鸥，从竖直方向的图片对比可以看出，两个不同物种长相非常相似，而从对比水平方向可知，同一物种由于姿态，背景以及拍摄角度的不同，存在较大的类内差异。 因此，要想顺利的对两个极为相似的物种进行细粒度分类，最重要的是在图像中找到能够区分这两个物种的区分性的区域块(discriminative part)，并能够对这些有区分性的区域块的特征进行较好的表示。

随着柔性制造系统的推广和传感、模式识别等技术的发展，针对工业需求的视觉和图像技术逐步成熟，制造业信息获取能力加强。视觉和图像技术搭载在摄像头、传感器、雷达等智能硬件内，能够实现图像信息的获取和分析。

面向工业的视觉和图像分析技术逐步成熟，制造业信息获取能力不断增强

随着柔性制造系统的推广和传感、模式识别等技术的发展，针对工业需求的视觉和图像技术逐步成熟，制造业信息获取能力加强。视觉和图像技术搭载在摄像头、传感器、雷达等智能硬件内，能够实现图像信息的获取和分析。信息从传统的单一维度数据拓展为包含速度、尺寸、色谱等信息的多维度立体海量数据，并同设计信息和加工控制信息集成，为后续工况监测、质量检验等生产环节提供数据支撑。制造业信息获取渠道得到拓展，信息获取效率大幅提升。华睿科技发布多系列面阵相机、高分辨率定焦镜头产品以及读码、结构光3D相机等最新产品，通过isp算法保证图像质量，可广泛应用于工业生产领域。

机器视觉结合信息网络技术催生新服务内容，生产监控智能化水平得到提升

据外媒报道，技术本身并不能控制自己如何被应用。新技术需要我们更多关注，建设性地表达我们的关切，并在人们受到伤害时承担起责任。《福布斯》杂志编辑杰西卡·巴伦（Jessica Baron）列出了2019年人们应该关注的十大技术，希望能让普通大众了解世界各地实验室正在发生的事情。巴伦的目标是围绕这些技术提出伦理和政策问题，让普通人保持警惕。2019年，这份名单包括了部分人们耳熟能详的技术(比如5G)，还有些令人惊讶的技术。

1. 克隆宠物

现在只要花2.5万到5万美元，你就可以克隆自己的宠物猫或狗了。然而，这并不能保证你能找回已经失去的亲密宠物。动物爱好者很快就会注意到，用宿主动物克隆的宠物可能会过上相当悲惨的生活。在已经有这么多动物无家可归的情况下，投资于这项技术真的正确吗？

2. DIY神经黑客

可用于家中的神经刺激设备已经进入市场，但自己制造这类设备的方案已经在互联网上铺天盖地了。顾客们希望用微小电流冲击他们的大脑，以便帮助提高记忆到注意力，但我们还不知道神经刺激会产生哪些长期影响。

“盛年不重来，一日难再晨。及时当勉励，岁月不待人。”光阴似箭，岁月如梭，如果要重新阅读2018年人工智能发展，“经典语录”是一种十分好的形式。“语录”虽简洁，但字字可深读；之所谓“经典”，固然是要能引起共鸣、发人深省，有一定传播力的名人之言。

本文筛选了十位人工智能顶尖大佬在2018年的讲话精选，从学术研究、行业应用、人性等方面全面诠释人工智能现状。

1、谷歌CEO Pichai接受MSNBC采访

AI将给人类带来革命性意义，甚至会比电或者火带来更深远的影响。虽然火是好东西，但火也会杀死人。人们学会了利用火来造福人类，但我们也必须学会避免火带来的灾难。

现在人们提到如何在数字化社会找到工作机会时，经常想到的第一个词就是‘代码’。在过去十几年中数字技术的发展都集中在计算机科学上。写代码固然是非常重要的，也是值得投资的一项重要技能。但在数字技术领域还有更大的潜在机会，在过去很大程度上未被开发出来。有一些技能在五年前并不存在，但今天的工作者则需要掌握这些技能。在二三十年前，人们接受教育之后就可以受用一辈子，但对当下这个时代出生的人来说情况并非如此，他们必须保持终生学习。

近年来，美、欧、日等发达国家和地区将自动驾驶技术作为交通未来发展的重要方向，在技术研发、道路测试、标准法规、政策等方面为自动驾驶及其载体——智能网联汽车的发展提供政策支持，加快自动驾驶商业化进程。中国政产学研各层面也在积极行动，为更高级别的自动驾驶技术研发和测试创造条件，夯实基础。

一、美国自动驾驶政策走在世界前列

 空域滤波是基于邻域处理的增强方法，直接在图像所在的二维空间进行处理，即对每一个像素的灰度值进行处理。它应用某一模版对每个像素与其周围邻域的所有像素进行某种数学运算得到该像素的灰度值，新的灰度值的大小不仅域该像素的灰度值有关，而且还与其领域内的像素值值的灰度有关。

空域滤波是在图像空间通过邻域操作完成的，最常用的运算是模版运算，基本思路是将某个像素的值作为它本身的灰度值和其相邻像素灰度值的函数。模版可以看作是 n＊n 的小图像，最基本的尺寸为 3 * 3 ，更大的尺寸如 5 * 5 ，7 * 7，最常用的是卷积模版，其基本步骤如下：

（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合。
（2）将模板上的各个像素与模板下的各对应像素的灰度值相乘。
（3）将所有乘积相加（为保持图像的灰度范围，常常将灰度值除以模版中像素的个数）得到的结果赋给图中对应模板中心位置的像素。

如下3 * 3 的像素区域R与模版G的卷积运算：
R5(中心像素)=1/9(R1G1 + R2G2 + R3G3 + R4G4 + R5G5 + R6G6 + R7G7 + R8G8 + R9G9)

作者：大喵

摘要：行业人士表示，到2020年，将有超过500亿的联网设备投入使用。然而无论怎么看，这都是一个虚无缥缈的数字！

“物联网”一词最早是在1999年提出来的，但它在2010年初才真正开始流行起来。从那时起，大型科技公司、未来学家和行业分析人士均纷纷发表谶言，人们所拥有的每一件设备都将以互联互通的方式连接在一张网络中，人们将生活在万物互联的时代！

时至今日，那些乐观主义者编造的“物联网”预言一直未能实现。物联网是个热门领域，有很多有才华的人努力创造新的物联网设备或确立行业发展的严格准则，但这并不能改变现存的事实，即我们所看到的进展并不像我们所期望的那样大。

2010年，物联网开始吸引未来学家的注意力。行业分析预测，到2020年，将有超过500亿的联网设备投入使用。现在距离那个日期已经很近了，却远远没有达到这个预测的数字。一些专家们怀疑届时将会有200亿左右的连接设备，这只是最初估计的40%。

除此之外，在过去的几年里，还有年终科技行业回顾预测——明年将是物联网发展迅猛的一年。2014年预测将是2015年大爆发，2015年将是2016年，依此类推。

人工智能究竟能发展到什么地步？困扰了人类数千年的未解之谜，能否依靠人工智能来解决？人工智能未来是否会具有逻辑思维，并会对人类产生威胁？近日，在中央电视台大型科学挑战类节目《机智过人》录制现场，腾讯科技带着这些问题对话中科院院士张旭、阿里技术委员会主席王坚、语音智能研究专家胡郁等权威专家，就人工智能的话题进行了深入讨论。

人工智能就是要解决人类不能解决的问题

1997年，人工智能“深蓝”在击败了国际象棋世界冠军卡斯特洛夫；2016年和2017年，阿尔法狗又接连以压倒性优势战胜了李世石和柯洁；在央视综合频道播出了两季的《机智过人》节目上，诸多人工智能产品在接受人类检验的过程当中也展现出了惊人的能力。

但人类似乎并不感到满意，因为人工智能击败的选手，尽管出类拔萃，但并不意味着达到了人类的极限。而在数学等自然科学领域，还有哥德巴赫猜想、黎曼猜想等世界难题横亘在人类面前，对于这些难题，人工智能是否有希望解决？

对此，王坚对腾讯科技表示，人工智能就是要解决人类不能解决的问题，就好像摄像头并不是人的眼睛，但它却可以捕捉到更多的信息。比如《机智过人》先锋盛典里面提到的城市大脑，就是要去解决今天人类自身不能解决的城市问题。

一、FCN

1、网络特点

全卷积（Convolutional）
上采样（Upsample）
跳跃结构（Skip Layer）

2、网络结构

3、原理说明

全卷积