ccf cv讲座记录

想了一下前些天,T家视频的团队开了一次讲座,然后我就屁颠屁颠地去看了一下.虽然知道远古时期的视频编码混乱割据的时代已经远去,但是现在的挑战反而日新月异.现在T家发展得这么大,T的视频业务做得也很大,所以尝试了一些新的技术,当然deep learning啦,分布式,云计算,计算机视觉什么的都是可以有的.真的感叹拥有大批数据的公司真是想干啥就干啥. 从讲技术的一位技术人员那里光明正大地偷记下他们的技术栈,大概过了半个小时吧. 可以列出如下的几点: 1. MD5 编码 2. 视频编码技术 ffmpeg

宾:我先自己介绍,我本科就读于南开大学软件专业.毕业后第一份工作是在创业公司酷讯负责垂直搜索频道技术业务.人生的第一份工作,自然受益匪浅.我后来在百度工作,在一个技术驱动型非常强的公司学习实践云计算技术. 董老师 在硕士期间,有机会去了Amazon实习,参与Amazon Web Services EC2的基础架构建立.亚马逊云计算是全球领先地位.这与我当时的大数据研究项目有很大的相关性.在技术的广度和深度有了一定的积累以后,我把更多关注放在了互联网产品上,我个人对消费者互联网一直都非常感兴趣.在

一. 移动通信的需求:巨容量.巨连接.广应用 二. 大规模移动通信系统的基本特征 (一)大规模天线配置,密集节点布设 (二)跨频段频谱利用,增加系统带宽 (三)网络系统去蜂窝化,个性化和云化 三. 关键技术 (一)大维空时通信技术 (1)大维信道模型 (2)大维无线传输技术 (3)大维计算方法 (二)广带巨址通信技术 (1)跨频段广带通信技术 (2)巨址通信技术 (三)无线云网络系统技术 (1)无线大数据业务建模 (2)虚拟化及软件定义网络 (3)可伸缩计算架构 大规模MIMO技术 趋势:扇区多

机器学习和深度学习资料合集 注:机器学习资料篇目一共500条,篇目二开始更新 希望转载的朋友,你可以不用联系我．但是一定要保留原文链接,因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．此外:某些资料在中国访问需要梯子. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in

本文转自:http://blog.csdn.net/sinat_34707539/article/details/52105681 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen

以一个跟踪算法来测试: 使用cv::dft(), 矩阵未按照2次幂对齐,最终跟踪平均准确率 84.3% 使用cv::dft(),矩阵使用cv::copyMakeBorder对齐,最终跟踪平均准确率 88.5%, 但中间有7帧完全没跟准 使用cv::ocl_dft(),矩阵使用cv::copyMakeBorder对齐,最终跟踪平均准确率 33.7%, 中间有88帧完全没跟准 本想通过opencl来加速,而结果都没对齐,看来此方向不可行. 原文地址:https://www.cnblogs.com/a

工作的流程是这样:某个协程在栈上创建task对象,在task对象内有需要返回的cv::Mat. 然后把task放到另一个线程上去执行,然后切换到别的协程,等到工作线程执行完task后,再唤醒协程. 这时候协程内去访问cv::Mat使用是empty. 同样的代码,task对象不是在栈上创建,而是new出来,一切正常. 暂未找到原因,怀疑与栈的拷贝有关.其实也打印了使用各个阶段的指针的地址,发现地址未发生改变. 原文地址:https://www.cnblogs.com/ahfuzhang/p/116

一(自己整理的) #技术论坛 1/mit的关于关于机器人的技术review https://www.technologyreview.com/c/robotics/ 2/valse视觉与学习青年学者讨论会 http://valser.org/ 3/人工智能资讯平台/机器人/机器视觉 http://www.ailab.cn/robot/Machine_vision/ #比赛 1/pascal voc 含各种代码和数据库 http://www.eecs.berkeley.edu/Research/P