<font size="3"><strong>如何选择卷积核的大小？越大越好还是越小越好？</strong></font>

答案是小而深，单独较小的卷积核也是不好的，只有堆叠很多小的卷积核，模型的性能才会提升。

&nbsp; • &nbsp;CNN的卷积核对应一个感受野，这使得每一个神经元不需要对全局图像做感受，每个神经元只感受局部的图像区域，然后在更高层，将这些感受不同局部的神经元综合起来就可以得到全局信息。这样做的一个好处就是可以减少大量训练的参数。

研究图像特征检测已经有一段时间了，图像特征检测的方法很多，又加上各种算法的变形，所以难以在短时间内全面的了解，只是对主流的特征检测算法的原理进行了学习。总体来说，图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好的稳定性，不容易受外界环境的干扰，本篇文章也是对这方面知识的一个总结。

本篇文章现在(2015/1/30)只是以初稿的形式，列出了主体的框架，后面还有许多地方需要增加与修改，例如2013年新出现的基于非线性尺度空间的KAZE特征提取方法以及它的改进AKATE等。在应用方面，后面会增一些具有实际代码的例子，尤其是基于特征点的搜索与运动目标跟踪方面。

<font size="3"><strong>1. 局部特征点</strong></font>

<font size="3" color="blue"><strong>误解一：5G是一场革命要取代4G</strong></font>

最初的5G采用NSA模式部署，即依托于现有4G来扩充网络容量和覆盖。最初的5G与4G非常相似，网络部署也主要利旧现有4G基站资源，这是一次从4G到5G的平滑演进过程。

<font color="#FD8900">公司领先的GPU、NNA、GPU+NNA等多种灵活的硬件设计方案和完善的软件和工具链，可为芯片设计公司带来满足应用市场需求的最佳技术与生态组合</font>

在11月13日于深圳举办的“OFweek 2018（第三届）中国人工智能产业大会AI技术专场”上，Imagination Technologies首席技术方案工程师李安发表了题为《运用GPU＋NNA 实现设备端异构计算》的精彩演进，并介绍了公司领先的图形处理器（GPU）、用于人工智能的神经网络加速器（NNA）、GPU+NNA和片上存储架构和软件。 （这里提到的片上存储架构改成“GPU+NNA等多种灵活的系统架构设计和软件。”

<font color="#FD8900">Imagination深耕汽车行业15年，新推出的产品套装将加速该市场成长</font>

2018年11月13日 - Imagination Technologies宣布推出PowerVR Automotive完整产品套装，以促进汽车半导体行业的增长和加速。PowerVR Automotive结合了硬件知识产权（IP）、软件、工具、文档和长期支持五大基本要素，随着汽车行业迈向全自动驾驶，其可支持市场中的现有客户和新进入者以满足行业的安全标准和性能要求。

物联网是与云计算相伴而生的，事实上，正是物联网的概念帮我弄清了对云计算的工作定义。物联网是一个由三个不同的子系统组成的系统:

&nbsp; • &nbsp; 云
&nbsp; • &nbsp; 聚合器
&nbsp; • &nbsp; 智能传感器

上述每一个子系统对于整个物联网系统的功能优化都是必需的。云是终极的计算单元和通用通信网络。智能传感器是通向现实世界的界面。最后，这些聚合者是中间人。对云来说，聚合器看起来像智能传感器，而对智能传感器而言，它看起来像云。

<font size="3"><strong>系统的特点</strong></font>

随着无线通信网络的发展，未来网络在频段和组网上将更加复杂，再加上业务多样性和终端的多类型，无线通信系统的规模和复杂度将日益增长。

对于未来体系庞大的通信系统，无线网络运维将面临诸多挑战，例如虚拟化与网络演进增加运维复杂性，单个问题可能会触发多个网络区域的告警；用户需求对网络运维质量要求提升，期待延迟容忍度从300毫秒降低到10毫秒；网络中可供分析的大量数据难以处理，实时分析数据量将增加1000倍以上等。

无线网络运维中因此而出现了故障分析定位及故障溯源困难、故障无法预测、运维派单不准确、现有的响应式运维模式效率低、客户体验差等问题。面对这些网络运维的压力和挑战，分析、拟合、经验流等传统的处理方法，已经越来越难以解决无线网络运维的问题。

业界第一款具备真正意义上的自动驾驶能力的量产车——全新奥迪A8 2017年7月才姗姗来迟。作为整个自动驾驶的第一个量产玩家，奥迪尽管已经走在了行业最前沿，但目前实现的还是3级的自动驾驶，也就是说这是一种在限定环境条件下，需要驾驶员始终有接管能力的自动驾驶，距离无限条件无需接管的自动驾驶还有相当长的路要走。

回头看历史，猛然发觉第一届DARPA自动驾驶挑战赛已经是十年前的事了。对比互联网产业，十年前支付宝还没有手机支付业务，而微信根本还没诞生，再看现在，支付宝和微信已经全面占领了我们的生活。为什么汽车工业的动作慢如蜗牛？自动驾驶到底难在哪里？

事实上，早在车企开始宣传“世界上第一款量产L3级别汽车”的时候，我们就应该揭穿他们的把戏。

<strong>聚类算法</strong>

任务：将数据集中的样本划分成若干个通常不相交的子集，对特征空间的一种划分。

性能度量：类内相似度高，类间相似度低。两大类：1.有参考标签，外部指标；2.无参照，内部指标。

距离计算：非负性，同一性（与自身距离为0），对称性，直递性（三角不等式）。包括欧式距离（二范数），曼哈顿距离（一范数）等等。

<strong> 1、KNN</strong>

k近邻（KNN)是一种基本分类与回归方法。

其思路如下：给一个训练数据集和一个新的实例，在训练数据集中找出与这个新实例最近的k 个训练实例，然后统计最近的k 个训练实例中所属类别计数最多的那个类，就是新实例的类。其流程如下所示：

Imagination Technology副总裁暨中国区总经理刘国军在ASPENCORE全球CEO峰会现场接受采访时表示，公司已经全面布局人工智能技术，近期也发布了新版PowerVR Series2NX神经网络加速器（NNA）架构系列，并基于其打造了AI处理器内核产品。而在被中资背景的基金Canyon Bridge收购之后，Imagination将与更多中国公司合作推出差异化解决方案……