色悠悠88,美女被强不遮挡视频,乱的俱乐部

1. 內存256KB設備也能人臉檢測！微軟提出用RNN代替CNN | NeurIPS 2020

Github：
https://github.com/microsoft/EdgeML/blob/master/pytorch/edgeml_pytorch/graph/rnnpool.py

https://github.com/microsoft/EdgeML/tree/master/examples/pytorch/vision

Paper：
https://www.microsoft.com/en-us/research/publication/rnnpool-efficient-non-linear-pooling-for-ram-constrained-inference/

為了讓更多IoT設備用上AI，在條件“簡陋”的單片機上跑圖像識別模型也成為一種需求。

但是圖像識別對內存有較高的要求，一般搭載MCU的設備內存都不高，怎樣才能解決這個問題呢？

最近，微軟提出了一種RNNPool方法，甚至可在內存只有256 KB的STM32開發板上運行人臉檢測模型。它可以在不損失準確度的情況下大幅降低激活圖的采樣率。

RNNPool在語法上等效于池化算子，可以快速減小中間圖的大小。它的模型層數更少，對內存要求更低，可以在內存受限的小型設備上分析圖像。

RNNPool由兩個學習遞歸神經網絡（RNN）組成，它們以每個模塊為單個向量，在水平和垂直方向上掃過激活圖的每個模塊。

RNNPool獲取一個激活圖的模塊并將其匯總為1×1體素，然后逐步執行下采樣步驟。RNNPool可以支持8×8，甚至16×16的模塊大小，并且可以以步長s = 4或s = 8采樣，而不會顯著降低精度。

2. 1瓦功耗，5GHz頻率：全球最快Risc-V芯片出世，效率超越蘋果M1

根據全球半導體行業知名媒體 EE Times 的報道，前些天，一家位于加州森尼維爾的小型電子設計公司 Micro Magic 宣稱：他們設計、生產出了全世界最快的 64 位 RISC-V 內核，比蘋果的 M1 芯片和 Arm Cortex-A9 表現還要出色。

Micro Magic 的聲明中提到，這款原型 CPU 在 1.1v 電壓下可以達到 5GHz 的時鐘速度，遠高于運行速度為 3.2GHz 的英特爾 Xeon 服務器芯片 E7，CoreMarks 跑分達到 13000 分。而 1.1 伏時，該芯片只需要消耗 1 瓦的功率，不到英特爾 Xeon 功率的 1%。此外，單個 Micro Magic 核心在 0.8V 下可以達到 4.25GHz，CoreMarks 跑分達到 11000 分，但消耗的功率僅為 200mW。

這款 RISC-V 芯片的速度和能效也超過了 Exynos 4。Exynos 4 是三星電子為其智能手機生產的頂級部件，基于 ARM Holdings Plc 提供的計算核心，是英特爾的主要競爭對手。

這款芯片不僅在低功耗下速度更快，在基準得分上也趕超英特爾和三星的芯片。在 CoreMark 基準測試中，這款 RISC-V 芯片的得分為 13000 分，是基于 ARM 的 Exynos 單核性能得分的兩倍多。雖然英特爾 Xeon 名義上單核性能更高，達到 26009 分，但 Xeon 需要更多線程，120 個線程才能達到上述結果。

圖靈獎獲得者，計算機體系結構先驅 David Patte rson：「這真是太神奇了。」

3. VS Code竟然能約會！找對象不看臉，看編程水平

VS Code現在居然可以用來談戀愛了。

為了用最硬核的方式找到男（女）朋友，23歲的程序員Ben Awad在VS Code里打造一個約會軟件VSinder。

顧名思義，VSinder = VS Code + Tinder，就是把約會軟件集成到了代碼編輯器里，簡直太對程序員胃口了。

VSinder和Tinder的操作邏輯一樣，左滑把不喜歡的人pass掉，右滑收藏喜歡的人。

這款插件一上線，就快速贏得程序員們的認可，GitHub上已收獲800 Star，3天的下載量超過9000次。

既然是面向程序員的約會軟件，自然不能和其他約會App一樣，一定要有特色。

VSinder的特點就是，可以根據編程語言和代碼風格篩選對象。

比如你用的是Python，她用的是C，那么你們之間可能沒有共同語言。（以免將來為哪種語言最好吵架。）

4. AI把特朗普變成了dancer，跟著蔡徐坤跳起了『雞你太美』

“好家伙！”

“現在的Paper也是越來越皮了”。正在開心摸魚的同事，邊說邊給我發過來一段Demo。

原來『寶藏男孩』特朗普又被玩壞了。

『被逼著』跟蔡徐坤跳起了“雞你太美”（諧音梗）。

逼著川寶大秀舞姿的是上海科技大學研究團隊的最新AI，這篇AI論文名:

《Liquid Warping GAN with Attention：A Unified Frame work for Human Images Synthesis》

簡單理解就是，基于特定框架的AI，能夠完成運動仿真、外觀轉換以及新視圖合成等人體圖像處理任務。上面特朗普的舞蹈Demo是AI合成的最終演示效果。

5. 57.3 AP！刷新COCO目標檢測和實例分割新記錄！谷歌提出 Copy-Paste 大法

Paper：https://arxiv.org/abs/2012.07177

上個月，Scaled-YOLOv4剛剛刷新COCO 目標檢測的新記錄：55.8% AP！

昨天該數據又雙叒叕被打破了！

谷歌拿下COCO目標檢測和實例分割雙項第一名！其中：

目標檢測數據刷到57.3 AP；

實例分割數據刷到49.1 AP！

本文主要創新點：

1. Blending Pasted Objects

公式：I1 × α + I2 × (1 - α)

2. Large Scale Jittering

3. Self-training Copy-Paste

這三點其實很容易理解（不用翻譯，直接看懂），沒有花哨的處理，但實驗證明漲點明顯！

6. Github Star 7.2K，超級好用的OCR數據合成與半自動標注工具，強烈推薦！

Github:

https://github.com/PaddlePaddle/PaddleOCR

OCR 方向的工程師，一定需要知道這個 OCR 開源項目：PaddleOCR。短短幾個月，累計 Star 數量已超過 7.2K，頻頻登上 Github Trending 日榜月榜，稱它為 OCR 方向目前最火的 repo 絕對不為過。

10 月，發布 PP-OCR 算法，開源 3.5M 超超輕量模型，再下 Paperswithcode 趨勢榜第一

12 月，它又帶來四大新發布與升級，核心內容先睹為快：

全新發布數據合成工具 Style-Text：可以批量合成大量與目標場景類似的圖像，在多個場景驗證，效果均提升 15% 以上。

全新發布半自動數據標注工具 PPOCRLabel：有了它數據標注工作事半功倍，相比 labelimg 標注效率提升 60% 以上，社區小規模測試，好評如潮。

多語言識別模型效果升級：中文、英文、韓語、法語、德語、日文識別效果均優于 EasyOCR。

PP-OCR 開發體驗再升級：支持動態圖開發（訓練調試更方便），靜態圖部署（預測效率更高），魚與熊掌可以兼得。

7. TensorFlow 2.4 正式發布！提供GPU支持的新功能，推出 tf.experimental.numpy

TensorFlow 2.4 正式發布！隨著對分布式訓練和混合精度提供更多支持，加入新的 Numpy 前端及用于監控和診斷性能瓶頸的工具，這個版本的亮點在于推出新功能，以及對性能和擴展方面的增強。

TensorFlow 2.4 以 tf.experimental.numpy 形式，實驗性引入了對 NumPy API 子集的支持。您可借此模塊，運行由 TensorFlow 加速的 NumPy 代碼。由于此 API 基于 TensorFlow 構建而成，因此可支持訪問所有 TensorFlow API，與 TensorFlow 實現無縫互操作，并會通過編譯和自動矢量化開展優化。例如，TensorFlow ND 數組可以與 NumPy 函數進行交互，同樣地，TensorFlow NumPy 函數也可以接受包括 tf.Tensor 和 np.ndarray 在內的不同類型的輸入。