电子创新网

本文转载自公众号微软研究院AI头条（ID：MSRAsia）
本文作者：代季峰、林思德、郭百宁

编者按：自1998年成立以来，微软亚洲研究院一直致力于推动计算机科学领域的前沿技术发展。在建院20周年之际，我们特别邀请微软亚洲研究院不同领域的专家共同撰写“预见未来”系列文章，以各自领域的前瞻视角，从机器学习、计算机视觉、系统架构、图形学、自然语言处理等多个方向出发，试图描绘一幅未来科技蓝图。

在计算机视觉领域，图像识别这几年的发展突飞猛进，但在进一步广泛应用之前，仍然有很多挑战需要我们去解决。本文中，微软亚洲研究院视觉计算组的研究员们为我们梳理目前深度学习在图像识别方面所面临的挑战以及具有未来价值的研究方向。

识别图像对人类来说是件极容易的事情，但是对机器而言，这也经历了漫长岁月。

迁移学习在自然语言处理领域的应用

迁移学习

迁移学习近年来在图形领域中得到了快速的发展，主要在于某些特定的领域不具备足够的数据，不能让深度模型学习的很好，需要从其它领域训练好的模型迁移过来，再使用该模型进行微调，使得该模型能很好地拟合少量数据的同时又具备较好的泛化能力（不过拟合）。

在迁移学习任务中，需要事先定义一组源数据集合，使用该集合训练得到预训练好的模型，该模型具备了源数据集合中的一些知识，在目标数据集合上微调该预训练的模型，使得模型能够很好地完成目标数据集合定义的任务，即完成了迁移学习。

机器视觉中工业相机常用参数

工业相机是机器视觉系统中的一个关键组件，其最基础功能就是将光信号转变成为有序的电信号。选择合适的工业相机也是机器视觉系统设计中的重要环节，工业相机不仅是直接决定所采集到的图像分辨率、图像质量等，同时也与整个系统的运行模式直接相关。

工业相机主要参数

1. 分辨率（Resolution）：相机每次采集图像的像素点数（Pixels），对于工业数字相机一般是直接与光电传感器的像元数对应的，对于工业数字模拟相机则是取决于视频制式，PAL制为768*576，NTSC制为640*480。

详解 RNN 文本分类模型的架构

典型 RNN 模型

机器学习之决策树

一、基本流程

什么是离屏渲染？什么情况下会触发？该如何应对？

离屏渲染就是在当前屏幕缓冲区以外，新开辟一个缓冲区进行操作。

离屏渲染出发的场景有以下：
  •   圆角（maskToBounds并用才会触发）
  •   图层蒙版
  •   阴影
  •   光栅化

为什么要有离屏渲染?

Imagination年度技术论坛PowerVR Inspire 2018 在深圳和上海成功举办

2018 Imagination PowerVR Inspire年度技术论坛近日在深圳和上海成功举办。该论坛是Imagination Technologies一年一度的全球性新技术与SoC设计交流盛会，旨在启迪和助力芯片公司快速开发并上市独具创新的SoC及系统级爆品。Imagination多位高管和技术专家及其多家生态合作伙伴的嘉宾出席论坛，围绕人工智能和图形处理的最新技术、产业发展趋势和未来高价值应用等主题，为参会的行业人士带来了精彩的演讲和技术演示。

Unity 2019.1 Alpha新功能：增量式垃圾回收

我们为Unity 2019.1a10中加入了实验性新功能：Incremental Garbage Collection增量式垃圾回收。本文将介绍增量式垃圾回收功能，如何启用以及未来开发计划。

人工神经网络真的像神经元一样工作吗？

来源：Medium/编译：weakish

编者按：Google产品经理Yariv Adan讨论了困惑很多人的问题：人工神经网络和人类大脑中的神经网络到底有多像？

人工神经网络和机器学习已经成为大众媒体的热门主题。智能机器这一想法勾起了很多人的想象，而且人们特别喜欢把它和人类放一起比较。特别是有一个关于人工智能的底层机制的基础问题经常出现——这些人工神经网络的工作方式真的和我们大脑中的神经元相似吗？

Tl;Dr

最可怕的八种黑客手段，网络攻击真是无孔不入！

信息技术的应用以及互联网的普及，给我们的生活带来智能和便利的同时，也带来了风险与挑战。网络安全成为社会普遍关心的问题，无论企业还是个人，其实我们每时每刻都将信息和隐私暴露于危险之中。

日常生活中，手机、电脑、平板电脑或者其他电子产品在连接网络的时候，都非常容易受到网络攻击。黑客防不胜防，攻击的来源很可能是我们平时最容接触到的事物，让人难以防备。

下面就给大家盘点几个黑客常见的攻击手段。真是看得小编毛骨悚然啊！

1. 通过声音监控手机

想知道哪些技术有潜力颠覆未来？看这篇文章就够了

编者按：未来会怎样？没人知道，但是人人都可以设想。从AI、区块链、无人机，到AR/VR、无人车，乃至于物联网、微芯片、纳米机器人、CRISPR，以及智能微尘、数字孪生等，AI专家Adrien Book汇编了各种有可能成为下一个大事物的颠覆性技术，把它们分成无聊的意料之中、还算过得去、非常令人兴奋以及很晦涩但非常令人兴奋这四类，不妨看看谁最有可能率先取得突破吧。

作为一个稍纵即逝的概念，技术被记者、创业者和投资者无休止地关注着，希望靠留意和投资下一个大事物而赚大钱。以至于在这个过程中有时候他们会失去理智，弄出一些非常愚蠢的东西。这群快乐的预言者往往看不到以史为鉴的讽刺性。在一个创新和改变是取得进步的命脉的领域过于依赖过去的数据作为未来情况的信号。

简述汽车发展史

本文简述了汽车发展史，包括汽车萌芽期、成型期、中国汽车工业简史、汽车发展浪潮、无人驾驶兴起与发展以及智能汽车的概述和智能汽车产业链。

世界汽车发展简史

汽车萌芽期

——蒸汽汽车的起因

快速了解深度学习的工作原理

人工智能（AI）和机器学习（ML）是目前最热门的话题。

术语“AI”每天无处不在。经常听到有抱负的开发者说他们想要学习人工智能。还听到高管们说他们希望在他们的服务中实施AI。但很多时候，很多人都不明白AI是什么。

阅读完本文后，您将了解AI和ML的基础知识。更重要的是，您将了解最受欢迎的ML类型深度学习是如何工作的。

背景

了解深度学习如何运作的第一步是掌握重要术语之间的差异。

人工智能与机器学习

进阶深度学习？这里有9个给程序员的建议

俗话说得好，人往高处走。

在当前人工智能火得一塌糊涂的时候，很多程序员的心思也开始活络起来了。

“要不要转行做人工智能？”

想必是很多程序员心中都有过的念头。

到底该怎么转呢？很多人查了资料之后，一脸懵逼：一边要熟练掌握线性代数、矩阵计算，一边要搞概率论，还要去研究各种库与框架等等。

实在是不知道该从何开始，就拖延了下去，然后很是焦虑。

现在，你不用焦虑了。

国外一个开发者分享了自己的学习过程，并结合自己的经历，给出了9个建议。

这名开发者名叫Alexey Gaziev，是一家社交媒体管理创业公司的CTO，原来是一名Ruby开发者，后来自己学习深度学习。

机器学习算法综述

近些年来，随着大数据、云计算、移动互联网、人工智能技术的兴起，“机器学习”成为了行业内炙手可热的一个名词。从通信互联网领域的专家，到各式各样的企业，甚至到普通的老百姓，都对“机器学习”技术略知一二。那么，机器学习到底是什么，它与我们常见的“人工智能”、“神经网络”、“数据挖掘“等相似概念都有什么关系？机器学习有那些基本分支、基本方法？在本文中，我们将用最简单易懂的语言解释这些问题。

问题一：“机器学习”和“人工智能”的关系是什么？

随着“机器学习”火起来的还有一个词语，即“人工智能”。每个人都肯定还记得不久以前的AlaphGo，随着机器打败围棋顶级高手李世石，人们也不得不感叹：“人工智能”时代真正到来了。

图像识别过程（概念）

图像处理(imageProcessing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像处理,而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。

（1）图像采样