導讀： 本期爲 AI 簡報 20201030 期，將爲您帶來過去一週關於 AI 新聞 10 條，其餘互聯網圈內新聞 5 條，但願對您有所幫助~ 本期 乾貨 +1 +1 +1 ~git
歡迎投稿RTThread物聯網操做系統公衆號，聯繫方式：17775982065（微信同號）程序員
AI
1. 細思極恐！央視曝光 AI 黑產，你的臉僅僅只賣 0.002 元，還可能成爲「在逃嫌犯」
沈騰版斯內普，宋小寶版慶餘年，趙四兒版美國隊長，PDD 版橋本環奈······github
從使用層面來看，AI 換臉技術放諸於娛樂場景中可能無可厚非，但當它被黑灰產盯上時，AI 換臉技術就變成了「衆矢之的」。web
據央視報道，經調查在某些網絡交易平臺上，花 2 元錢就能買到上千張人臉照片。算法
販賣人臉這操做咱們已經聽了無數次，使人可怕的是，從販賣人臉到製做人臉視頻已經造成了一項完整的產業鏈——上游提供軟件及技術、中游提供視頻、照片定製、下游售賣成品視頻。微信
簡直可怕。網絡
固然，在技術進步的同時，時代也在進步。去年 4 月，在全國人大常委會審議的《民法典人格權編(草案)》裏就正式加了一條：任何組織和我的不得以利用信息技術手段僞造的方式侵害他人的肖像權。這其中就包括 AI 換臉技術。session
不過更可怕的是使用技術的人。架構
2. 我用「喪屍生成器」給愛豆們換了妝，效果太鬼畜！
萬聖節要來了！app
論如何一鍵生成驚悚的喪屍妝！
以前報道過一款換臉網站Toonify，這個網站能夠把人臉切換成動漫臉，效果很是逼真，上線當天訪問量就超過了25萬。
這個程序員小哥又又又整活了！
借鑑了Toonify的核心技術，開發了這款『喪屍生成器』，並且爲了方便你們使用，也作成了網站形式，可無償使用。
該網站名爲Make Me A Zombie。操做簡單，出圖很快。
網站連接: https://makemeazombie.com/
3. 魔幻黑科技！華人學者推出視頻修復AI，可換天造物，秒變科幻大片
Github地址：https://github.com/jiupinjia/SkyAR
AI修圖到底有多強？
前幾日，Adobe Max 大會剛剛結束，Photoshop 2021版便登上了國外各大媒體版面。
其緣由是，新版Ps工具中內置了AI驅動工具，諸如「天空置換」等高難度修圖問題，如今點點鼠標就能夠輕鬆實現，並且效果遠超手動操做。
不管是拍人拍景或是其餘，「天空」均可以說是攝像中的關鍵元素。好比，一張平平無奇的景色圖加上落日餘暉的天空色調，是否是有內味了？
對於短視頻愛好者來講，若是也能達到如此處理效果豈不是更佳？
小編就給你們介紹一款基於原生視頻的AI處理方法，不只能夠一鍵切置換天空背景，還能夠打造任意「天空之城」。
4. darknet-mini：帶註釋的darknet簡化版，助你深刻理解YOLO
Github地址: https://github.com/ChenCVer/darknet
2019年就萌生一個想法，想深刻研究一個深度學習框架，從code上將這個黑盒子的神祕面紗揭開，後續因爲工做太忙，沒有太多精力投入，從2020年8月份開始，諸多工做接近尾聲，開始想投入一段時間研究一個底層框架。對比了多個框架，發現darknet是一個較爲輕型的徹底基於C與CUDA的開源深度學習框架，沒有任何依賴項（OpenCV均可以不用），移植性很是好，支持CPU與GPU兩種計算方式。真正能夠對神經網絡的組件一探究竟，是提升本身對深度學習有效範本。
做者對darknet的解讀，爲期接近3個月時間，從2020年8月5日到至今(10月23日)，期間幾乎查遍了CSDN，知乎，github全部能看到關於darknet的解讀資源。
因爲darknet代碼整個工程量仍是很大的，後期，爲了方便朋友們快速簡單瞭解darknet整個框架思想，我寫了一個darknet-mini版本，整個代碼只實現了全部和分類網絡相關的train部分。一概去除了其餘seg，det，rnn，lstm等部分。代碼見Github地址。
5. 10萬大獎！遙感影像地塊分割競賽來了！還有百度工程師親授解題思路
在人工智能和大數據競賽領域，由中國計算機學會舉辦的CCF 大數據與計算智能大賽（CCF BDCI）一直是衆多開發者追逐的頂級賽事。
值得關注的是，本屆CCF BDCI大賽在原有賽道外，首度設立了全新的「自主平臺」賽道，百度首發 「遙感影像地塊分割」 賽題，飛槳做爲該賽題的指定深度學習平臺爲選手提供技術支持。不只如此，百度和清華大學在算法賽道貢獻了「千言：多技能對話」賽題。兩道賽題總獎池達15萬。不管你是CV仍是NLP方向的開發者，這裏都有你展現的舞臺！
本屆大賽的賽題由來自百度視覺技術與天然語言學習的資深工程師親手打造，賽題及數據均來自一線產業實踐場景。
6. 重磅！OpenMMLab 更新啦！分類/檢測/分割/3D等項目全面升級
Github地址: https://github.com/open-mmlab
原文：https://zhuanlan.zhihu.com/p/74597564
歷時不知道多久，OpenMMLab又迎來了一次全面的更新。爲了方便社區的研究者和開發者可以及時獲悉 OpenMMLab 各個項目的進展，咱們對近期的更新作一個總體的介紹。本次發佈趕在 CVPR 以前，但願 OpenMMLab 的各個項目可以幫助到你們的研究和開發。
此次的一大波更新包括 MMCV, MMClassification, MMSegmentation, MMEditing, MMDetection, MMDetection3D, MMPose, MMAction2。在此次更新中，OpenMMLab 的各個項目都支持了 pip install 直接安裝，增長了對混合精度訓練的支持和 ONNX 轉換的支持，Dockerfile 全面升級到 PyTorch 1.6，並啓用了新的模型庫域名：download.openmmlab.com。從 7 月份的發佈以來，共增長了 21 個新算法，目前 OpenMMLab 項目開放的總算法數超過了 120，總模型數達到了 900 以上。
7. 我用YOLOV5訓練自動駕駛數據集！並轉換爲TensorRT
滿滿的乾貨！
項目流程以下：
準備數據集
環境配置
配置文件修改
訓練
推理
轉Tensorrt
最終 Tensorrt 各yolo模型對比：
8. 單應性Homograph估計：從傳統算法到深度學習
上圖爲單應性估計在圖像拼接中的應用
單應性原理被普遍應用於圖像配準，全景拼接，機器人定位SLAM，AR加強現實等領域。這篇文章從基礎圖像座標知識係爲起點，講解圖像變換與座標系的關係，介紹單應性矩陣計算方法，並分析深度學習在單應性方向的進展。
本文爲入門級文章，但願可以幫助讀者快速瞭解相關內容。
目錄
一 圖像變換與平面座標系的關係
二 平面座標系與齊次座標系
三 單應性變換
四 深度學習在單應性方向的進展
9. PyTorch 1.7發佈，支持CUDA 十一、Windows分佈式訓練
前些日子，PyTorch 團隊發佈 PyTorch 1.7 版本。該版本增添了不少新特性，如支持 CUDA 十一、Windows 分佈式訓練、增長了支持快速傅里葉變換（FFT）的新型 API 等。
PyTorch 1.7 版本包含不少新的 API，如支持 NumPy 兼容的 FFT 操做、性能分析工具，以及對基於分佈式數據並行（DDP）和基於遠程過程調用（RPC）的分佈式訓練的重要更新。
此外，一些特性也更新爲穩定版，包括自定義 C++ 類、內存分析器、經過自定義類張量對象進行擴展、RPC 中的用戶異步函數，以及 torch.distributed 中的許多其餘特性（如 Per-RPC 超時、DDP dynamic bucketing、RRef helper）。
本次更新的亮點包括：
CUDA 11 獲得 PyTorch 官方支持；
對 autograd 分析器，更新和添加了 RPC、TorchScript 和堆棧跟蹤（Stack trace）的分析和性能；
（測試版）經過 torch.fft 支持 NumPy 兼容的 FFT 操做；
（原型版）支持英偉達 A100 GPU 和原生 TF32 格式；
（原型版）支持 Windows 系統上的分佈式訓練。
10. Determined AI：用免費的「分佈式深度學習系統」加速NLP訓練
原文連接：https://zhuanlan.zhihu.com/p/269364479
Github地址: https://github.com/determined-ai/determined
在單個GPU上完成針對NLP任務的深度學習模型訓練，通常須要很長時間才能完成。在本文中，咱們將利用Determined AI的分佈式訓練功能將SQuAD模型訓練的BERT從數小時減小到數分鐘，同時確保不會犧牲模型的準確性。
在這以前先介紹一下Determined AI，他們是一家很酷的startup，專門作深度學習的分佈式學習和加速。他們的平臺對我的使用者徹底開源且免費！
第一是分佈式訓練，好比一卡多模型，多卡多模型等。
第二是參數尋優，包括網絡結構搜索和尋優。
第三是對實驗過程的保存和可視化，不用再擔憂模型跑了一半就丟失的問題。在高度優化的平臺上，分佈式訓練可達到24倍的加速，而參數尋優只須要往常1/100的時間。
Other
1. iPhone 背後的濃濃塑料情：富士康撒謊+偷懶，薅蘋果羊毛，庫克偷偷找備胎
在蘋果的諸多合做夥伴中，富士康多是最出名的那一個。
多年來，蘋果和富士康保持了親密的合做關係。實際上，做爲全世界最大的代工商，富士康爲蘋果代工了 iPhone、iPad、Mac 和 Apple Watch 等諸多產品。
固然，蘋果對富士康也很是重視——很是典型的例證是，在來華訪問之時，蘋果公司 CEO Tim Cook 曾經專門造訪富士康的工廠。
不過，雖然雙方的合做關係看起來親如姐妹花，但可能只是塑料的。
歸根結底，仍是錢的問題。
富士康是如何薅了蘋果的羊毛，蘋果和富士康之間的不信任將會何去何從，敬請看原文
2. AMD 官宣 350 億美圓收購賽靈思
美國當地時間10月27日上午，全球半導體巨頭AMD正式宣佈，公司與FPGA芯片龍頭賽靈思已達成一項最終協議，贊成AMD發行總價值350億美圓股票的方式收購賽靈思。該筆交易預計於2021年末完成，合併後的公司將擁有1.3萬名工程師，每一年的研發投入超過27億美圓。
根據協議，每股賽靈思普通股可以置換1.7234股AMD股票。賽靈思的估值約爲每股143美圓，較週一的收盤價高出25%，較10月初可能達成交易的消息傳出前的價格高出35%。
3. 搶不到的3080就讓給黃牛吧，AMD凌晨發佈 RX 6000系列顯卡，最高售價7999
AMD「蘇媽」連續不斷放大招！10 月 27 日晚間，AMD 正式宣佈 350 億美圓全股票收購賽靈思，成爲繼英偉達宣佈收購 Arm、韓國企業 SK 海力士計劃收購英特爾 NAND 業務以後，半導體行業的又一大型交易案。今日，AMD 又發佈了採用全新 RDNA 2 微架構的 RX 6000 系列顯卡，在性能、能效、遊戲性能方面實現了全方位提高。
昨日凌晨，AMD 正式發佈了 Radeon RX 6000 系列顯卡：Radeon RX 6800、6800XT 和 6900XT，對標英偉達最新的 GeForce RTX 30 系列顯卡。
這三款產品都是基於 AMD 最新的 RDNA 2 架構。AMD 表示，RDNA 架構 「天生自帶遊戲 DNA」，且官方認證該技術 「將在 PS5 和 XboxSeries X 遊戲主機中大顯身手」。第一代 RDNA 架構每瓦性能高出 GCN 架構 50%，現在，RDNA 2 架構每瓦性能再次高出 50%。
在發佈會以後，AMD 官方公佈了幾款顯卡的上市時間和國行版價格。其中，Radeon RX 6800 和 Radeon RX 6800XT 顯卡預計將於 2020 年 11 月 18 日上市，售價分別爲 4599 元和 5099 元。Radeon RX 6900XT 預計將於 2020 年 12 月 8 日上市，售價 7999 元。
4. iPhone 12 跌破發行價，拼多多不背鍋
開售不到一週，iPhone 12 的價格經歷了過山車。
一開始，很多 iPhone 12 的渠道商紛紛在官網價格的基礎上加價，根據不一樣的顏色和版本加價數百元不等；甚至有人加價 3000 元左右來賣 iPhone 12 Pro。
然而，很快，渠道商加價無力，iPhone 12 的線下銷售價又回落到官網售價如下。
這就是所謂 iPhone 12 跌破發行價。
不只如此，有一些渠道商的 iPhone 12 售價已經回落到 6000 元如下；而在四川成都的一家中國電信營業廳，若是辦理相應 5G 套餐，最高能優惠 1300 多元。
5. 如何評價小馬智行投後估值60億美圓？無人車的追漲殺跌已經開始
半年左右，再次傳出鉅額融資。
自動駕駛公司PonyAI小馬智行，在2月官宣豐田主導的4.62億美圓投資後，剛又被曝出了新一輪3億美圓新融資。
該市場傳聞中，投資方亦值得注意，加拿大安大略省養老基金以接近2億美圓出資額領投，一汽集團入局參投。
小馬智行也實現了估值的再度翻番，從上輪投後30億美圓，如今估值60億美圓，總融資額累計超過10億美圓。
如此吸金和估值翻番速度，對小馬智行無疑是最好的承認。
可是，對於無人車行業而言，更像是一個冷峻的訊號：
牌桌正在清場，打擂得問出處，馬太效應無限加重。
RT-Thread
讓物聯網終端的開發變得簡單、快速，芯片的價值獲得最大化發揮。Apache2.0協議，可免費在商業產品中使用，不須要公佈源碼，無潛在商業風險。
長按二維碼，關注咱們
點擊閱讀原文進入RT-Thread官網
本文分享自微信公衆號 - RTThread物聯網操做系統（RTThread）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。