第372章 卷积神经网络
弹幕中的发言，多数都没什么新意，一次、两次还能看个新鲜，每次都看的话…… 江寒无聊得差点打哈欠。 好在夏雨菲就在身边，及时给他补充了一点“灵感”…… 试飞结束后，江寒的旁白再次传出。 “可惜电池还是有点不够用，只玩了不到一个小时，就成功地用光了全部电量……” “现在UP就要回去充电了，咱们下次再见！” 于是不出意外的，“暗示充电”和“下次一定”之类的弹幕，瞬间填满了屏幕的每一寸空隙…… 看完视频，夏雨菲开心不已，主动和江寒“大功告成”了两分钟。 感受着她的喜悦和激动，江寒也差点“激动”起来。 可惜这里不是“深入交流”的好地方，所以也只能“浅尝辄止”…… ※※※ 两天后，盛夏生产的写字机器人，终于正式上市。 一开始的时候，销量并不算特别好。 一天300~500台的出货量，对于一款新品来说，只能说还算凑合。 好在盛夏上下有的是耐心，并没有为此而焦虑。 市场需求放在那里了，只要宣传跟得上，早晚能达到应有的规模。 但谁也没想到，仅仅一周过后，销量就突然开始暴涨。 一开始只是淘宝上的几个大小卖家，弄了几个去尝鲜。 后来不知道哪路大神，搞了个开箱直播，广告效应简直不要太好。 于是乎，几乎是一夜之间，写字机器人就爆火了起来。 很快淘宝上挂着的那些，就都被消费者们抢光了。 卖家们看到赚钱的机会，自然只会有一种反应：加大力度！ 于是，盛夏库存的15000台写字机器人，不到三天就宣布售罄！ 随后，订单雪片一样飞来，每一批产品刚下生产线，就被各路分销商抢购一空。 产品销量一路走高，到了第二个周末，总出货量已经接近10万台。 盛夏方面，与此事有关系的人全都兴奋了起来。 毕竟销量是与奖励挂钩的。 可惜产能远远供不上需求，项目组上下也只能幸福并苦恼着。 江寒得知这个消息的时候，多少有点意外。 即使在另一个世界，写字机器人的销量也从未如此火爆过。 而且可以预见，还会持续走高一段不短的时间。 至于造成这种现象的原因…… 江寒随意上网一搜，到处都是关于写字机器人的讨论。 很快他就弄清楚了事情的来龙去脉。 一方面是产品售价比较亲民，另一方面…… 估计就是坏苹果加密的威力了。 魔都，一间写字楼。 朱先云坐在办公室里，面前的桌子上，摆着一台刚买来的写字机器人。 他已经对这个小东西，进行了一番相当专业的测试。 结果有点出乎意料。 虽然是玩具的价格，性能却可圈可点，即使以他行家的眼光，也看不出多少问题，反而找出了不少优点。 朱先云赞叹不已：“啧啧啧，有技术真的可以为所欲为呀！” 想当初，自己也曾经非常看好这个项目，还特地派张建泰去松江走了一趟，想把专利买下来，自己投产。 然而遗憾的是，老张把事情办砸了…… 哎，老张这个下属，哪里都挺好的，就是稍微缺乏了点远见。 当初若是肯多花点钱，这个产品说不定就是自家公司的了！ 至于当初最终定价的人，正是他自己这件事，就被他选择性的遗忘了…… 在朱先云看来，这个写字机器人的硬件是没什么问题的。 但软件方面就略微有点不足了，模仿自己的笔迹，感觉只有7、8分相似。 看来盛夏的技术实力，不过如此…… 不过，朱先云沉吟了片刻，心头忽然一动。 既然机器人自带的应用不够好，那自己不妨调试一下？ 自己学了这么多年的逆向，不用一下岂不是浪费？ 只要找到控制函数，修改一下参数，再完善一下算法…… 想到就做，朱先云立即打开OLYICE，将可执行文件加载到了内存中，然后一点点调试了起来。 时间流逝。 三个小时后，朱先云叹了口气，颓然放开了键盘。 “这到底是什么加密？简直反人类嘛！” 这么简陋的小软件，居然用上了这么高强度的加密！ 也不知道这个变态的加密程序，到底是谁搞出来的？ 打个不恰当的比喻，他感觉自己就像那个“买椟还珠”的人。 只不过买了一个小玩具，就得到了一个核弹级的“赠品”…… 朱先云这次是真的服了。 几乎与此同时，一些软件破解方面的专业人士、黑客雇佣兵们，则陷入了极度懊恼中。 朱先云修改软件，只是为了自己的个性化需求，他们出手却是为了赤果果的利益。 谁都知道，只要能把写在机器人ROM中的程序DUMP出来，就可以几乎无限制地仿制。 诚然，无论硬件结构还是软件程序，都受到《知识产权法》的保护。 但专利这个东西……真想绕过去的话，办法肯定比困难多。 可现在的问题是，经过整整一个星期的奋战，全国竟然没有一个“雇佣兵”，能破解盛夏的写字机器人！ 这个机器人的ROM程序，以及附带的应用软件，全都被加上了一层坚不可摧的“外壳”。 雇佣兵中的确不乏高手，他们很快就发现了，这个“外壳”不是别的，正是两个来月前甚嚣尘上的“坏苹果”。 而且，写字机器人上的这一个，甚至比“坏苹果”更“坏”，堪称“坏苹果”二代！ 破解难度太大，甚至看不到任何希望，这些人折腾了一段时间之后，就纷纷放弃了。 这样一来，由于市场上迟迟没有竞品出现，盛夏的这款产品的销量，也就更加膨胀了。 可以说，能生产出来多少，就能卖出去多少。 在技术爱好者的小圈子里，甚至造成了一机难求的“繁荣”景象…… 自从上次聚会后，江寒整整花了一个星期的时间，上网收集资料，刷论文、找参考文献…… 经过一番努力，终于做好了前期准备，正式动笔写作下一篇论文。 在他的计划中，这是今年最后的，也是最重要的一篇论文。 江寒打算在2012年的最后几天里，将“卷积神经网络”抛出去。 卷积神经网络，简称CNN，是一种前馈型的神经网络，在“深度学习”技术中，也是非常重要的一块积木。 CNN最为适用的场景是图像分类和场景识别。 在另一个世界，曾经在标准图像标注集ImageNet上，取得过举世瞩目的成就。 一般的全连接神经网络，是把输入数据看做一维的数组。 处理图形、图像时，一行、一行地读取像素点，然后拼接成一串数据。 这样一来，就忽略了行与行之间的二维关系。 而CNN则是通过“卷积核”对图片进行滤波，从而提取图片的特征。 所谓卷积核，就是一个N行N列的数字矩阵。 卷积的过程，其实就是一个压缩图片的过程。 而“卷积核”的本质，就是一个二维的滤波器。 这样的做法，很好地保留了邻近像素之间的关联情况，所以在大型图像处理方面，往往会有非常出色的表现。 和其他神经网络相比，CNN需要的参数比较少，使用起来更加迅速、有效。 CNN在训练时，采用的是和BP网络相似的“反向传播”技巧。 一个经典的CNN网络，通常包括输入层、卷积层、池化层、全连接层、输出层或者径向基层。 其中涉及到一些概念，比如“池化”、“局部感受野”、“共享权值”…… 江寒原本对这些东西，只有个大概的了解，理解得并不算特别透彻。 这样一来，在研究CNN的时候，很多东西都要现场推导。 因此这篇论文是他写得最费劲的一篇，足足花了一个多星期，才打通了全部障碍，形成了初步的腹稿。 传统的图像处理算法，一般都要进行预处理，比如FCN，如果不对图像进行压缩，那么计算量将会非常巨大，甚至根本无法实施。 但对于CNN来说，预处理并不是必要的，很多时候，甚至可以直接用原始图像，作为输入数据。 所以，CNN的实用价值也是非常显著的。 江寒所知道的，就有手写识别、语音识别、物体检测、人脸识别等许多应用方向。 “当年”震惊世界的围棋AI程序，阿法狗，其核心中也包含了卷积网络CNN。 可以说，有了卷积神经网络，计算机视觉这个领域，才迎来了革命性的进步…… 江寒花了好几天时间，终于将这篇论文写了出来。 反复校对，感觉没什么问题之后，就投给了一区期刊ICML。 这时，距离新年只剩下三天。 就在这样的忙碌中，时间走到了2012年最后一天。 12月31日晚上。 江寒临睡前，忽然发现信息栏里跳出了一行红字提示。 【学术点已偿清，系统UI重启中……】 【重启成功……】 【震惊商城重新激活，虚拟空间已开放……】 【界面重组中……重组成功】 江寒打开系统UI面板。 【学术点：1，24】。 可用的学术点终于不再是个负数了。 江寒欣喜不已。 然而，就在这时…… 【警告：宿主剩余寿命已不足十年！】 【注意：这不是显示BUG，这不是BUG，这不是！】