两年前，曾看过刘知远老师的一篇文章《好的研究想法从哪里来》，直到现在印象依然很深刻，文中分析了摘低垂果实容易，但也容易撞车，啃骨头难，但也可能是个不错的选择。...学生年代，作为老师的一个不成器弟子，学术上没有什么建树，幸运的毕了业。现如今到了工业界摸爬滚打，虽然换了个环境，但是发现生存的道理没变。 反面例子 不好的工作想法会加剧“卷”的用户体验。...这样的工作体验确实很糟糕。 我的触发点 沿着你造梦的方向先动手干起来。一年前刚开始决定做攻击者画像的时候，其实心里有底也没底。...意识到组织是一个复杂网络，个人层面的连接的多少，决定了存在感、不可替代性的程度，团队层面同理。就像互联网+的本质就是连接，连接人、连接信息流、连接商品、连接产业，连接万物，万物互联。...引用 好的研究想法从哪里来 杜跃进：数据安全治理的基本思路 来都来了。
所谓好的用户体验 由 Ghostzhang 发表于 2012-07-16 19:20 怎样的用户体验才是好的用户体验呢？...好像有点跑题了，这次的思考是：并不是所有关注用户感受的体验就叫做是“好”的用户体验。 从何而来这想法呢？...上面的唠叨是一个引子，结果就是＂不能赚钱的交互不是好交互＂，简单的说就是好的交互可以赚钱，可是不好的用户体验也是能赚钱的。...但是从商家的角度来说，我们需要考虑几个因素，第一个就是成本，这个是直接决定了能给用户提供最佳体验的上限到哪，好的椅子意味着更高的成本；其次是投入产出比，开门做生意，不为赚钱是很少的，投入越多，意味着盈利周期可能越长...麦当劳的椅子虽然用户体验不是最好的，但却是这么多年来产品与体验最好的平衡，从而实现利润的最大化。 当你再次遇到这种问题时，就知道如何处之泰然了。（本届 年会 的主题）
发现问题 前期做规范的过程是十分痛苦的，每做一个板块都要花很多时间去思考怎么表达、展示才能让其他设计师和程序员都一目了，然而随着内容的增加，发现很多地方无法深入的执行下去，只能含糊其辞，给我们制作规范的人员带来了很大苦恼...为什么有如此大的执行阻碍呢？带着问题我们找到团队的一位设计前辈请教了一番，在前辈的指点下，终于发现了问题所在:我们对于前端如何实现设计稿其实并没有很好的了解。...图1-1是XX项目的所有关于二级导航的样式，因为这一块的界面不是我做的（都是借口），所以规范不太了解，导致在做整个项目的规范时，遇到了极大的阻碍。...而第一个容器内的绿色和蓝色部分（间距）也是固定的，所以只有红色区域是可变化的，因为红色区域的文字个数是可以变化的，我们只要给出字体大小即可。...任何事情都有其内在的套路与规律，我们必须要了解事物的本质，才能帮助我们更好的执行；所有的苦恼与迷茫都是源自你对事物的理解不够透彻，所以让我们从现在开始，锻炼透过事物看本质的思维能力，就算以后你不做设计了
那么什么才是好的想法呢？我理解这个”好“字，至少有两个层面的意义。 学科发展角度的”好“ 学术研究本质是对未知领域的探索，是对开放问题的答案的追寻。...深度学习之所以拥有如此显赫的影响力，就在于它对于人工智能自然语言处理、语音识别、计算机视觉等各重要方向都产生了革命性的影响，彻底改变了对无结构信号（语音、图像、文本）的语义表示的技术路线。...好的研究想法从哪里来 想法好还是不好，并不是非黑即白的二分问题，而是像光谱一样呈连续分布，因时而异，因人而宜。...那么，好的研究想法从哪里来呢？我总结，首先要有区分研究想法好与不好的能力，这需要深入全面了解所在研究方向的历史与现状，具体就是对学科文献的全面掌握。...“ 我当时的回答如下： 我感觉，产业界开始集团化搞的问题，说明其中主要的开放性难题已经被解决得差不多了，如语言识别、人脸识别等，在过去20年里面都陆续被广泛商业应用。
人脸识别已经逐渐渗透我们的日常生活，机器能够认准人脸，想必大家都有所耳闻；而另一类计算机视觉的应用，是进行商品识别。...当前新兴的一些无人零售店，背后就需要机器对商品进行自动识别，拍图购物、AR互动营销等场景，也运用了商品识别技术。...今天，图酱就跟大家科普应用在无人店、新零售中的商品识别技术。...比如，图片在标注前通常会先经过弱模型的处理，让机器先解决 50%的问题；系统有支持批量标注的小图模式，让标注员可以一目十行，成倍提高标注的速度；产品经理反复打磨每一个功能，做A/B测试，从每处细节提高标注的体验和效率...人脸都有眼睛、鼻子、嘴巴等固定的特征，而超市中琳琅满目的商品，则千奇百态。与人脸识别相比，商品识别有更高的工程复杂度。
在行业不确定性加剧和黑天鹅事件频发的大环境下，很多商家也开始思考，在脱离了传统电商平台后，自己的商品下一步该走向哪里。...根据 Marketing Science 进行的 2021 年全球零售业购买路径研究显示，用户在 TikTok 上发现商品并产生购物意愿的几率是在其他平台上的 1.5 倍，TikTok 用户在平台上发现商品后立即下单的比例为...37%，TikTok 用户将发现的平台好物推荐给亲友的比例为 38%，用户投入的购物预算会比在其他平台高 14%。...商家一边可以继续通过优质的直播、短视频内容触达用户，从用户反馈中确定优质商品，另一边则可以通过价格、商品信息、频道活动等全新的货架能力来提升商家的规模和可持续性，帮助增加用户的购物粘性。...此次的商城主页设置了商品搜索栏、秒杀区、新人专区、商品分类推荐专区等，并提供了商品卡、短视频卡、直播卡的玩法，在帮助用户精准匹配的同时也能帮助商家更快促进首单成交。
如何培育好的内部开发者平台体验 伦敦——Syntasso 的首席工程师 Abigail Bangser 在本周的 State of Open Con 上说，“应用程序开发人员希望快速行动，而运维工程师希望安全行动...“如果你想建立一个真正伟大的平台工程开发者体验，这需要你将其视为一个整体的社会技术挑战。”...她对平台工程的定义归结为构建、维护和提供“为所有使用它的社区精心策划的平台体验”，这会影响所有不断发展的技术、社会和团队结构。 一个好的平台建立边界。...然后查看已经在运行的工具——Slack、Jira、Trello——并开始跟踪临时请求。什么是最频繁、最困难、最耗时的？您的应用程序团队的辛劳在哪里？...“你想让你的团队更接近平台，与平台互动。做到这一点的一个好方法是提供他们需要的文档和参考实施，”Watt 说。 不要忘记提供平台工程体验的专业服务方面。
如今已是数字化时代，彩色的图片越来越多的图片进入到日常生活中。有很多的时候，大家可能会并不清楚一张图片的来源，这就需要用到一些在线识别图片来源的程序。那么在线识别图片的来源的程序是如何工作的？...在众多的识别程序中，如何去选择好的识别程序呢？项目就来为大家简单介绍一下。 image.png 一、在线识别图片来源的原理 首先，在线识别图片的程序或程序主要是依托大数据来进行处理的。...二、选择在线识别图片来源的程序的指南 一款好的图片识别程序关键就是要看数据库是否庞大。只有巨大的数据库才会有大量的识别材料，只有庞大的识别材料才会让用户查找图片来源的过程更加可靠、准确。...除了巨大的数据库，还要选择有强大企业支撑的识别程序。一般情况下，大家无法直接地看到图片识别程序的代码，就需要大家去找到大型企业支持的识别程序。这些程序往往算法更加的缜密，更加的精准。...以上就是为大家带来的关于在线识别图片来源的原理，以及一些好的识别图片来源程序的选择方法。优质的图片识别程序并不少，只要精挑细选一下就可以找到好的程序。
对于想要在网络上建设网站的用户而言，首先需要为网站购买一个合法的域名，不过很多人对于购买域名并没有实际的经验，因此往往不知道在哪里才能买到需要的域名。那么买域名哪里好？域名供应商的选择标准是什么？...买域名哪里好呢 域名是外部用户访问用户网站的地址，只有准确的地址才能够让别人进入自己的网站，并且域名和网址并不是相等的关系，域名需要经过解析才能够获得网址。...域名的选择标准 很多人在网络上查找后会发现，提供域名的域名供应商在网络上是非常多的，那么买域名哪里好？域名供应商如何来选择呢？...其实有心的用户会发现，网络上的域名供应商虽然多，但不少域名供应商的都只是代理的性质，所提供的域名种类相对比较少，因此在选择域名供应商时应当尽量挑选那些一级域名商，这样可以选择的域名种类会更加丰富。...买域名哪里好？如何挑选域名供应商？
我六月底参加深圳的一个线下技术活动，某在线编程的 CEO 谈到他们公司的发版，说：“我说话的这会儿，我们可能就有新版本在发布。”，这句话令我印象深刻。...传统的单体应用，所有的功能模块都写在一起，有的模块是 CPU 运算密集型的，有的模块则是对内存需求更大的，这些模块的代码写在一起，部署的时候，我们只能选择 CPU 运算更强，内存更大的机器，如果采用了了微服务架构...可以灵活的采用最新技术 传统的单体应用一个非常大的弊端就是技术栈升级非常麻烦，这也是为什么你经常会见到用 10 年前的技术栈做的项目，现在还需要继续开发维护。...服务的拆分 个人觉得，这是最大的挑战，我了解到一些公司做微服务，但是服务拆分的乱七八糟。这样到后期越搞越乱，越搞越麻烦，你可能会觉得微服务真坑爹，后悔当初信了说微服务好的鬼话。...这个段子形象的说明了分布式系统带来的挑战。
否则在各种同类软件不断刷新的当今，一个无法给用户提供较好体验的软件自然会被淘汰。哪里有服务好的应用性能监控呢？...哪里有服务好的应用性能监控 对于哪里有服务好的应用性能监控这个问题，现在应用市场已经出了很多的类似软件。...一些大的软件制造商或者云服务器商家出产的应用性能监控，一般可信度和质量是比较高的，它们拥有的研发平台是高科技的技术团队，对系统的研发和细节设置肯定是一般的小厂家所不能比的。...上面已经解决了哪里有好的应用性能监控的问题，性能监控在对应用进行实时分析和追踪的过程当中，如果发现了问题，它的报警渠道都有哪些呢？...以上就是哪里有服务好的应用性能监控的相关内容，随便在搜索引擎上搜索一下就会有很多品牌正规的监控软件出现，用户们按需选择就可以了。
与其他科技巨头人工智能实验室博客的论文解读、技术成果分享不同，苹果的机器学习日记虽然也是介绍他们对机器学习相关技术的心得体会，但侧重点在于技术产品的实现过程、技术资源用户体验之间的取舍，更像是「产品经理的...然而，人们目前主要是在通用语音的识别方面取得了性能的提升，但准确地识别有具体名字的实体（例如，小型本地商户）仍然是一个性能瓶颈。...我们决定通过将用户地理位置信息融合到语音识别系统中来提高 Siri 识别本地 POI 的名称的能力。...POI 的识别性能。...在部署好基于地理位置的语言模型后，我们的自动语音识别系统的输出将具有特殊的标记，例如：在通过类语言模型框架识别的地理实体周围会有「\CS-POI」标记。
超市、便利店，作为重要的线下场景——那种真实的质感和社交体验是无法被物流优势替代的，这是无人超市独有的连接场景与内容。...譬如，未被人熟知的卷积神经网络、机器视觉等，可以帮助识别商品、用户体态及手势，智能地完成客服、促销与结算等步骤，实现无人状态；基于阿里的消费数据体系，数据系统的判断也可以更加精准，提供更多基于个人信用，...，线上线下提供人脸识别体系支持；而从自拍到自拍杆再到自拍亭，品牌也正认识到拉近客户距离的最好方式是创造本地化新体验，并让他们积极转发和分享。...超市在货架上方安装巨大的显示屏，当客户触摸某件商品，甚至只是手越来越接近它时，显示屏便呈现关于食物的详细信息。...同时，中国消费者的需求从效率，体验到情感，全方位升级，“无人超市”的出现则显得顺理成章，更像是一个新零售多业态爆发的开始。
今天看了「快乐之道·游戏设计的黄金法则」这本书。里面有一个观点很有意思，又讲到了游戏的本质（好像每一本书都会讲他们自己对游戏本质的理解）。而这本书对游戏本质的理解是一种模式学习的工具。...大脑对工作模式 大脑是个很有意思的工具，首先，它会用假象填补你没有看到的地方。一个很有意思的小实验是盲点实验，人的眼睛在视神经纤维进出的地方是没有感光细胞的，简单的说，人眼有个点是瞎的。...因为大脑就是这样工作的，有时候叫它模式识别，我更喜欢叫它模块化处理，因为大脑用这两个技术的时候通常拥有一连串的动作的。比如你可以想像一下打羽毛球的时候，对手才做出了一个接球的动作，你就可能开始跑动了。...游戏应该是为我们准备向现实生活挑战的训练，没有了现实意义的训练，就只能在游戏里体会到多巴胺的快感，是没有生存优势提升的回报，理智是不会认可的。没有意义的享乐，会令人感到空虚和负罪感。...我们可以创造一些新的游戏，这些游戏教会我们的不是以前的那些东西，而是洞察现代世界如何运作的能力。下面是我们可能需要废弃的传统： 对领袖对盲从和狂热崇拜 严格的等级制度。 二元的思维方式。
目前应用于各个领域方向，甚至这些应用就在我们的身边，比如身份证的识别、交通路牌的识别、车牌的自动识别等等。...可以看到，倘若你的服务只是偶尔用一次，完全可以使用这种体验型的免费服务。如果一天需要调用一万次，那么一个月基本的花费在5w左右——成本还是很高的，所以很多商用的场景大多都采用自主研发的方式来做。...安装 安装的过程很简单，以我的mac为例，如果你只是想体验一下，那么可以使用下面的命令安装： brew install tesseract 如果还想未来针对自己的使用数据重新训练，可以使用下面的命令安装...下面体验一下tesseract的效果，原图为 ? ? 正常在使用tesseract的时候都会基于第三方的易用的接口来用 ?...然后重新进行文字识别，可以看到刚才识别错误的 “辑”字正确了： ? 本地搭建好tesseract，可以使用一些第三方的工具包来调用，还是很方便的。
最后，作为联合举办单位，码隆科技首席科学家黄伟林博士总结，在多年从事商品识别的研究和实践过程中，面临的三个主要难点。首先，细粒度商品识别，特别是对 SKU 级别的识别是至关重要的。...其次，除了细粒度分析，SKU 级别的商品识别通常需要识别大量的商品种类，比如超过 10 万类，而常见的 ImageNet 物体识别通常只有 1,000 类。...这是商品识别的另一个挑战，而常用的单层 softmax 分类模型很难解决。 这就需要引进多层级联的细粒度分类算法，从而加大细粒度识别的难度。...因此，如何有效地利用海量网络爬去的商品图片，在没有或者只有少量人工标注和清洗的情况下，训练一个高性能的商品识别模型，成为一个关键的技术。...此次 FGVC5 挑战赛是现实应用场景问题促进算法探究的一次实践，从数据集数量到参赛团队规模都上升到新的台阶，这也说明商品识别这类细粒度识别问题正在引起更多学者、技术从业者关注。
近几年，随着“新零售”概念的火热，越来越多的品牌商及商超零售企业开始引进人工智能技术，探索商品管理、成本控制、用户体验等多维度的数字化转型，转型中所涉及的货架陈列分析、智能结算、智能库存管理、智能货柜、...电商平台等以图搜图的场景背后的核心技术都离不开商品识别算法。...图1 商品识别应用展示 然而，相较更加普遍的人脸识别技术来说，商品识别在实际的产业应用中也面临着其独有的巨大挑战： 商品包装相似：同类别商品口味不同且价格也不同，不同类别商品外包装相似，都对图像识别精度具有较高的要求...基于PP-ShiTu实现的商品识别方案为零售场景中商品多类别、小样本、高相似和更新频繁问题提供了新的思路，不仅能对多类别商品进行精准识别，也可以满足对预测效率的极致追求。...图2 商品识别目标说明 场景难点 数据相似度高：同一件商品，在不同情况下所获得的商品图像往往存在相当大的差异；不同商品很可能拥有非常类似的包装，比如口味不同。
，甚至很多开发者都不知道Android系统是有指纹认证的官方API的。...看似这样解释好像也合情合理，但其实受伤的是数以亿计的Android手机用户。明明有更轻松更快捷的使用方式，却因为APP不予支持，最终只能使用更加原始和笨拙的方式。...这一点是非常重要的，因为当设备不支持指纹认证的时候，还需要及时切换到如图案、密码等其他的认证方式。...因为Android 9.0系统提供了更加强大的生物识别认证功能，包括指纹识别、面部识别、甚至是虹膜识别等等，因此仅仅只能用于指纹识别的FingerprintManager已经不能满足新系统的强大需求了。...而我过段时间也会针对Android 9.0的生物识别功能专门再写一篇文章，敬请期待吧。
作为身份认证的重要手段之一，人脸识别已经成为智慧城市建设中的重要组成部分。...然而从去年到现在，人脸识别技术和市场正在面临一场“考验”。 ? 隐私问题爆发，多个城市开始“拒绝”人脸识别 这一次考验的起源是谷歌与美国军方的一次合作。...这之后，随着亚马逊、微软等相继被曝出与政府之间也存在着“人脸识别”技术相关的项目合作，包括将人脸识别用于视频监控和警察佩戴的相机镜头等等，“人脸识别”技术一时间被推上了舆论的风口浪尖。...这类服务是将人脸识别应用放在了明处，而人们更为担心那些不知不觉中发生的人脸识别应用。 ? · 我的人脸数据被用在了哪里？...以微软为例，当美国关于“人脸识别”的舆论愈继续发酵的时候，这家公司悄然删除了它们于2016年发布的人脸识别数据库MS-Celeb-1M，这是全球最大的“公开”人脸识别数据库，其中涉及百万名人的千万张照片
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
