一直保持的追求有三点:技术、快乐、财富,这里记录每周值得分享的内容,周五把欢乐送达。
技术
1、Background Matting
绿幕,可以说是影视剧中抠图、换背景的利器,很多特效的生成,都是用了绿幕。
但如果不在绿幕前拍摄,我们还能完美地转换背景吗?比如,出门的旅游视频,我想换个背景,"云旅游"去世界的另一个"角落"。
华盛顿大学的研究者最近就发表了这样一份论文:不在绿幕前拍摄也能完美转换视频背景,让整个世界都变成你的绿幕。
左下角的小视频为原始视频,右边的大视频为合成后的结果。可以看到,头发丝都分割的很好!
替换视频背景,就是这么简单!人在家中坐,全球各地游。
使用方法也很简单,以图片合成为例。拍摄一张带人物的图片和不带人物的背景图,然后算法就可以根据这两个图片预测蒙版,进而提取出目标人物并完成合成。
研究者在诸多图像和视频上测试了他们提出的新方法,证明了该方法是目前最好的算法,这篇论文也已被 CVPR 2020 大会接收。
项目地址:点击查看
2、CenterTrack
自从 CenterNet 发表以来,Anchor Free 系列的算法开始"火热"。
简单介绍下 CenterNet,它是一种目标检测算法,采用关键点估计来找到目标中心点,并回归到其他目标属性,例如尺寸,3D位置,方向,甚至姿态等。
CenterNet 就是先找到目标的中心点,然后回归出目标的尺寸,即长和宽。
采用这种思想,后来又出现了 CenterFace,即基于 CenterNet 的人脸检测算法。
最近,又出现了一个 CenterTrace,"人"如其名,它是一个跟踪算法。
CenterTrack 是 CenterNet 作者基于 Tracktor++ 这类跟踪机制,通过将 Faster RCNN 换成 CenterNet 实现的一种多目标跟踪框架,因此跟踪框也就变成了跟踪中心点。
CenterTrack 算法,在多目标跟踪 MOT Challenge 上,荣获榜首。CenterTrack(22FPS)作者同时也是 CenterNet 的作者。
一种思想,在各个小方向上,"开花结果"。
项目地址:点击查看
3、Vim³
Vim 大家应该都不陌生,Vim 具有程序编辑的能力,可以主动的以字体颜色辨别语法的正确性,方便程序设计。
在工作中,我最常用的编辑和写代码工具就是 Vim 了。
配合着 tmux 一起使用,简直是一种享受,不得不说,Vim 大法好!
二维的 Vim 都用过,那你用过狂拽酷炫的三维 Vim 吗?
Vim³ 它比二维的 Vim 多一维,如果二维的 Vim 在你编程时,能给你带来双倍的快乐,那么 Vim³ 就能给你带来三倍的快乐。
项目地址:点击查看
4、De-occlusion
De-occlusion 是一个自然场景去遮挡算法,CVPR 2020 的 Oral Paper。
之前,很少看见过这类算法,感觉很新鲜。
De-occlusion 算法可以将遮挡的目标去掉,并且不"影响"背景,类似于分割+背景修复的结合。
我们可以移动任意的目标,不用手动抠图,算法帮你扣选出目标,并且可以随意移动到一个新的位置,也就是说,你可以对一副图片的场景,重新布置。
是不是还蛮有意思的?
代码完全开源,感兴趣的朋友可以试一试。
项目地址:点击查看
5、Toilet System
如果说,De-occlusion 让你感觉到了些许新鲜。
那么,接下来要说的这个,绝对可以称得上是,真·"新鲜"。
这是一篇,超有"味道"的论文!
世界上没有两片相同的雪花,「菊花」亦然,斯坦福大学的一篇论文中这么说到。
在这篇论文中,研究者发明了一种「菊纹识别」智能马桶,可以利用深度学习技术识别你的「菊纹」和便便,从而达到健康监测的目的。
目前,该论文已经在《Nature Biomedical Engineering》期刊上发表。
从目前流行的指纹识别、人脸识别到这个「菊纹(analprint)识别」,研究人员思路的进化让人一时难以跟上。我们先来看一下这个马桶长什么样子:
这个马桶圈里安装了四个摄像头:一个粪便摄像头(stool camera)、一个「菊花」摄像头(anus camera)和两个尿流摄像头(uroflow camera)。顾名思义,这些摄像头分别用来监测排便者的粪便、「菊花」和尿液。
除此之外,马桶圈上还安装有一系列传感器和试纸,可以记录人坐在马桶上的时间、分析尿液里的成分。
该马桶的工作原理可以概括为:尿液和粪便样本都通过视频采集,然后通过一组算法进行处理,这些算法可以区分正常的尿液(流速、时间、流量)、粪便特征和不正常的特征。
试纸则用于测量某些分子特征,包括白细胞计数、血液污染、特定水平的蛋白质等,这些指标可以反映一系列疾病,从感染到膀胱癌再到肾衰竭。
论文作者表示,该马桶目前已经可以测量 10 种不同的生物标记。
哇,这真是有"屎"以来最有"粪"量的论文。
简单概括就是:这个马桶,可以通过「菊纹」区分家庭成员,并根据粪便、试纸指标等多维特征,来对你的健康进行评估。
这样,马桶就可以记录每个家庭成员的健康情况!
就想问一句:这样的智能马桶,你敢用吗?
论文地址:点击查看
6、SReC
SReC 是一种基于图像超分辨的无损压缩算法,2020的最新研究成果。
这种方法首先编码了原始低分辨率图像,而后使用无损超分辨来得到高分辨率图,最后利用熵编码来压缩超分辨算子,随后实现了高速高压缩比的无损压缩。
简单概括就是,想把图像分辨率升上去,让图像更加清晰,然后再压缩,得到最终的压缩图片。
最终的结果就是,得到了一个清晰度不变,但体积大幅度减小的图片。
高比例的无损压缩,就这样实现了。
别看它功能比较常见,但这个东西,真的非常实用!
应用场景非常多,是一种常用的通用技术。
比如,一个网站,网站的带宽是有限的,能加载的资源也是有限的。如果一个页面图片过多,并且都是 1M 以上的大图,那么就需要很多的带宽去加载,如果带宽不够,用户访问,就会非常卡,体验极差!
有了这种无损的图片压缩技术,就可以大幅度降低服务器的压力,从而减少服务器的成本。
再比如,我们训练一些网络,需要数百万、甚至千万的图片数据,数据量庞大,这时候这种无损图像压缩技术也可以派上用场。
总之,SReC 算法还是非常实用的。
项目地址:点击查看
7、The Algorithms - Python
学会了 Python 基础知识,想进阶一下,那就来点算法吧!
几位印度小哥在 GitHub 上建了一个各种 Python 算法的新手入门大全。
从原理到代码,全都给你交代清楚了。为了让新手更加直观的理解,有的部分还配了动图。
算法的代码实现给的资料也比较丰富,除了算法基础原理部分的 Python 代码,还有包括神经网络、机器学习、数学等等代码实现。
在算法原理部分主要介绍了排序算法、搜索算法、插值算法、跳跃搜索算法、快速选择算法、禁忌搜索算法、加密算法等。
在神经网络部分,给出了 BP 神经网络、卷积神经网络、全卷积神经网络以及感知机等。
很多算法,使用 Python 进行了实现,有的部分还配可参考的资料。
良心之作!
项目地址:点击查看
快乐
1、愚人节表白翻车
2、这位买家的评论真是令人捧腹啊
财富
看着好多人都在玩可转债打新,我打算也去尝试一下,提前学习一下可转债相关的基础知识。
那么,什么是可转债呢?
可转债是一定条件下,可以被转换成股票的债券,有股票和债券双重属性。
股市行情好的时候,可转债的股性就会显示出来,跟着行情上涨,上不封顶。股市大跌的时候,债券属性还可以起到保护作用。
不过一种简单的玩法就是,可转债打新,打新中签,上市就卖。
这个策略很简单,也很好操作。
如果我们采取这一种策略,假设每次打新都能中签。
在2019年,上市首日的平均价格是109元。当天卖掉,收益9%。
打新可转债,就像薅羊毛,不薅白不薅的那种。
当然,可转债也是能亏损的,首日破发也是会发生的,如果大家有耐心、有信心,又不急用这仨瓜俩枣的钱,可以在破发的日子,先不卖。
操作也很简单,有个证券账户就行,例如我使用的国泰君安。
关于操作细节,有几点注意事项:
- 申购时间:必须在股票交易时间,也就是上午9:30-11:30,下午的13:00-15:00。
- 申购数量:一般都是顶格申购。可转债上市面值都是100元,顶格申购是买10000张,都中了的话是100万,不过放心,能中10张就很不错了。
- 上市时间:可转债打新从申购到上市一般在一个月以内,具体时间长短不一。
- 及时缴款:可转债中签缴款当天,缴款资金开盘前就冻结了。可转债缴款日为T+2,T为申购日。
一只可转债,一个身份证只能打新一次。如果你对可转债薅羊毛这件事特别喜欢的话,也可以用亲朋好友的账户一起来打,提高中签概率。
后面,如果我中签了,也会给各位看看收益,给个参考。
最后,再说说股市,美股依旧很给力,突破了30日均线,进入上涨趋势,一天大盘涨幅够 A 股涨两周的。A 股依旧“低迷”,这个月还没有操作,本月中旬会追加一笔,目前收益 5% 多。
最后
本周的程序员欢乐送,到此结束,下周再会。
2020年4月10日 上午9:56 沙发
最近刚好在研究python,谢谢推荐
2020年4月10日 下午1:29 1层
@Pluto4U 感谢支持~
2020年4月13日 下午5:03 板凳
为这期点个赞!辛苦啦~
2020年4月14日 上午12:04 1层
@monika 感谢支持~