surface

　　 本文解读的是论文《SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection》，论文作者来自 加州大学圣地亚哥分校和 香港科技大学机器人学院 。 该论文解读首发于“AI算法修炼营”。 　　作者 | SFXiang 　　编辑 | 青暮 　　 　　 这篇文章收录于ECCV2020，是一篇关于无碰撞空间区域分割的文章，整体效果很不错。最主要的核心思想是在表面发现估计器的设计，在得到表面法线后将其用于分割网络的编码器环节，并在特征融合部分，借鉴了DenseNet的思想，进行密集连接。网络的计算量和参数量文中并没有比较，应该做不到实时。 　　论文地址：https://arxiv.org/abs/2008.11351 　　代码地址：https://github.com/hlwang1124/SNE-RoadSeg 　　Freespace无碰撞空间检测是自动驾驶汽车视觉感知的重要组成部分。近年来，数据融合data-fusion卷积神经网络CNN架构大大改善了语义场景分割算法的性能。通常，可以将自由空间假设为一个地面平面，在这个平面上，各点具有相似的表面法线。 　　因此，在本文中，首先介绍了一个名为表面法线估计器（

1. 引言 最近在做性能优化的时候发现，在混合栈开发中，第一次启动Flutter页面的耗时总会是第二次启动Flutter页面耗时的两倍左右，这样给人感觉很不好。分析发现第一次启动Flutter页面会做一些初始化工作，借此，我梳理了下Flutter的初始化流程。 2. Flutter初始化时序 Flutter初始化主要分四部分，FlutterMain初始化、FlutterNativeView初始化、FlutterView初始化和Flutter Bundle初始化。 我们先看下Flutter初始化的时序图，来整体把握下Flutter初始化的一般流程： Flutter初始化时序 3. 具体分析 3.1 FlutterMain初始化 这部分初始化工作是由Application.onCreate方法中调用开始的，在Application创建的时候就会初始化完成，不会影响Flutter页面的第一次启动，所以这里只是做一个简单分析。 从FlutterMain.startInitialization方法代码中可以轻易看出来，初始化主要分四部分。 前面三部分比较类似，分别是初始化配置信息、初始化AOT编译和初始化资源，最后一部分则是加载Flutter的Native环境。 这部分感兴趣的同学可以看下FlutterMain.java源码，逻辑还是比较清晰的。 public static void

点击 上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 最近，有许多朋友都在关注缺陷检测领域，今天来看看缺陷检测。 目前, 基于机器视觉的表面 缺陷装备已经在各工业领域广泛替代人工肉眼检测，包括3C、汽车、家电、机械制造、半导体及电子、化工、医药、航空航天、轻工等行业。传统的基于机器 视觉的表面缺陷检测方法，往往采用常规图像处理 算法或人工设计特征加分类器方式。一般来说，通常利用被检表面或缺陷的不同性质进行成像方案的设计，合理的成像方案有助于获得光照均匀的图像，并将物体表面缺陷明显的体现出来。近年来，不少基于深度学习的缺陷检测方法也被广泛应用在各种工业场景中。 对比计算机视觉中明确的分 类、检测和分割任务, 缺陷检测的需求非常笼统. 实 际上, 其需求可以划分为三个不同的层次: “缺陷是什么”（分类）、“缺陷在哪里”（定位）和“缺陷是多少”（分割）。 1 表面缺陷检测关键问题 1、小样本问题 目前深度学习方法广泛应用在各种计算机视觉 任务中, 表面缺陷检测一般被看作是其在工业领域的具体应用。在传统的认识中, 深度学习方法无法直接应用在表面缺陷检测中的原因是因为在真实的 工业环境中, 所能提供的工业缺陷样本太少。 相比于ImageNet数据集中1400多万张样本数据, 表面缺陷检测中面临的最关键的问题是小样本问题, 在很多真实的工业场景下甚至只有几张或几十张缺陷图片。 实际上

　　 “买前生产力，买后爱奇艺。” 这是大多数人在入手 iPad 之后的最直接 “用户反馈”。 　　近年来，尽管苹果公司一直为 “让 iPad 成为新一代的生产力工具” 的目标而努力，但 iPad 几乎仍不可避免地沦为 “追剧神器” 的命运。如何让用户更高效地使用 iPad？这或许是苹果开发人员亟需解决的问题。事实上，苹果公司也一直为这一目标而努力。 　　 近日，据外媒 AppleInsider 报道，美国专利及商标局通过了一项苹果申请的新专利——“模块化多显示器电子设备”（Modular multiple display electronic devices ）。 　　专利显示， 苹果正在研发一种可以连接两部 iPad（或一部 iPad 和一部 iPhone）的配件，通过该配件连接的上述设备，可以实现笔记本电脑的功能 ，其中一台可以充当显示器，另外一台则可以充当动态键盘。 　　 　　图 | 通过配件连接两部 iPad 或者一部 iPad 和一部 iPhone（来源：AppleInsider） 　　据专利文件描述，该配件包含两个接头和一个旋转铰链（rotating hinge），iPad 和 iPhone 可以与其中任意一端相连， 连接后的两台设备可以实现设备间的数据传输和资源共享（比如摄像头），就像同一个系统一样。 同时支持横屏和竖屏两种使用方式。 　　加入第二部设备充当动态键盘

1.1 模糊编辑器操作 对于一个模糊控制系统，首先需要使用MATLAB自带的模糊编辑器进行模块规则的编辑，在MATLAB执行 fuzzy ，打开模糊编辑器，你可以看到如下的界面： 这个是模糊编辑器的基本界面，之后需要在模糊编辑器中设置模糊规则控制文件，按照论文中的要求，这里有三个输入一个输出，且都其隶属函数满足高斯隶属函数，再根据其值域变换范围，得到如下的结果。 下面分别对三个输出和一个输出进行编辑。 双击打开输入输出编辑，得到如下的界面： 下面分别对三个输入和一个输出进行编辑。 V ： a ： Ac ： Dy ： 然后双击打开控制器编辑器，得到如下的界面，开始进行模糊规则的输入： 在里面输入模糊控制规则。输入完成后得到如下的结果： 这里共输入175条模糊规则，输入完成后见如上的效果。 通过查看设置完的模糊规则如下所示： 将模糊规则文件保存，可以得到fis文件。 后面的设计，都将基于这个模糊规则文件进行。 然后，我们将在Simulink中进行系统的设计。 1.2 系统的搭建 1.2.1 模糊控制器的仿真与分析 为了方便分析，我们首先不将模糊控制得到的档位值反馈给汽车，直接使用已知的速度来输入到模糊控制器中，从而得到一个在开环条件下的结果，其结果如下所示： V a 模糊控制器 汽车档位 Ac （注意，这个图仅仅为示意图，这里不要直接复制到你的论文中）

这几天在做dxva2硬件加速，找不到什么资料，翻译了一下微软的两篇相关文档。这是第二篇，记录用ffmpeg实现dxva2。 第一篇翻译的Direct3D device manager，链接： http://www.cnblogs.com/betterwgo/p/6124588.html 　　第二篇翻译的在DirectShow中支持DXVA 2.0，链接： http://www.cnblogs.com/betterwgo/p/6125351.html 　　在做dxva2的过程中，参考了许多网上的代码，这些代码又多参考VLC和ffmpeg的例子。 1.ffmpeg支持dxva2硬件加速的格式 　　当前我所使用的ffmpeg的版本是3.2，支持dxva2硬件加速的有以下几种文件格式： AV_CODEC_ID_MPEG2VIDEO、AV_CODEC_ID_H264、AV_CODEC_ID_VC1、AV_CODEC_ID_WMV3、AV_CODEC_ID_HEVC、AV_CODEC_ID_VP9 。ffmpeg识别为这几种格式的文件都可以尝试使用dxva2做硬件加速。但这并不代表是这几种格式的文件就一定支持dxva2硬件加速，因为我就遇到了一个AV_CODEC_ID_HEVC文件在初始化配置dxva2的过程中会失败，PotPlayer在播放这个文件时也不能用dxva2硬件加速。 2

背景 　　这次的疫情让原本看似有序的但是浮躁的社会彻底打乱了，不少劳动者在多年稳定的节奏也随之而变，而我在于其中放慢了步调，从5月份放弃了一份工作同时拒绝了两份offer后回家休息加造人。休息期间接了些技术顾问的工作，看了几本书增加自己的知识量，写了几篇博客做了些之前工作的总结，也打了王者荣耀尝试冲荣耀王者。 　　那么从2019年12月开始至今，我在广州面试了不少公司，基本都是应聘系统架构师和部门负责人的岗位，中间有不少的故事，有体验极好的也有体验极差的，我都将在下文分享给大家，体验极差的我就不直接点名了。 PS：此文非引战，如有评论，请理性沟通 壹物壹码 　　先说一个体验及其好的，这也是我遇到为数不多非常尊重人的，黄埔区区的安居宝科技园里的 壹物壹码公司，从面试官的交谈得知公司做的范围比较的广，主要以前期接项目后期看潜力转产品的这样的一个模式，业务比较稳定，以上市为目标，主要在BOSS直聘发布招聘消息。 　　我当时是投了高级软件工程师的，但是薪资范围挺高的所以我当时心里觉得没那么简单，HR联系我的时候说CEO想直接面我，我人在老家因此邀请了做一个视频面试，面试官也爽快的答应了。一面是产品总监面，说实话很给面子，完全不问我技术，他说看了我的博客、开源项目和简历，理念跟他的很像很会从软件工程的角度给团队提高生产力，所以不担心我的技术。另外，他们这次想招的是技术总监或者系统架构师

先说设置透明度的前提，需要使用不带alpha通道的图片才能设置透明度，否则会达不到目的（具体原因博主也不太清楚（手动笑哭）） 首先说思路，我们需要得到的是在背景图片上对小甲鱼实现透明，整体思路就是创建一个背景不带alpha通道、所贴的图片带alpha通道的一个suface对象，具体思路如下: (1）、 首先创建一个与图片等大的不带alpha的矩形surface对象temp （2）、在temp上绘制背景，target相对于temp的位置变成了（-x,-y），此时temp得到的是与图片大小一样，绘制着背景的surface对象 （3）、将带alpha通道的图片绘制上去，此时的目标图片相对于矩形框的位置为（0，0） （4）、此时temp已经成为了一个带背景图片与目标乌龟的一张完整图片，由于temp在设置之初是不带alpha的surface对象，因此可以使用set_alpha()方法设置整个图片的透明度 （5）、将设置好透明度的temp作为一张独立图片贴到指定位置。 详细代码如下： import pygame import sys from pygame.locals import * pygame.init() size = width, height = 640, 480 bg = (0, 0, 0) clock = pygame.time.Clock() #绘制size尺寸的背景