人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。

在计算机视觉中，检测小目标是最有挑战的问题之一。本文给出了一些有效的策略。

图像识别是非常有趣和具有挑战性的研究领域。本文阐述了卷积神经网络用于图像识别的概念、应用和技术。

在之前学习机器学习技术中，很少关注特征工程(Feature Engineering)，然而，单纯学习机器学习的算法流程，可能仍然不会使用这些算法，尤其是应用到实际问题的时候，常常不知道怎么提取特征来建模。 特征是机器学习系统的原材料，对最终模型的影响是毋庸置疑的。

输入层读入经过规则化（统一大小）的图像，每一层的每个神经元将前一层的一组小的局部近邻的单元作为输入，也就是局部感受野和权值共享，神经元抽取一些基本的视觉特征，比如边缘、角点等，这些特征之后会被更高层的神经元所使用。

Mipmap是什么？MipMap是一种电脑图形图像技术，用于在三维图像的二维代替物中达到立体感效应

随着数以百万计的物联网设备的激增，海量数据正以快速的速度生成。随着数据爆炸式增长，云存储在数据计算、存储和管理方面的压力越来越大，云服务器可能需要时间来处理数据，因为它作为一个集中的主机来存储和计算数据，并且通常位于远离物联网端点的地方。这就导致了雾计算的出现——承担起云计算服务的重担。

美国加州大学戴维斯分校的研究类计算机科学家奥利弗·克雷洛斯（Oliver Kreylos）的博客从开发者角度（非用户角度）讨论了有关沉浸式计算机图形学的方方面面，并为行业提供了一定的参考借鉴。日前，克雷洛斯撰文介绍了VR头显视场的定量比较。