程序员欢乐送：COVID-19、摄像头神经网络、ChineseOcrLite、MNISTclock、CNNDetection、文言文编程、MediaPipe
没错，这又是一个关于新冠状病毒的项目。
现在，人们的目光转移到了国外，海外不少国家进入了水深火热的状态。
在约翰霍普金斯大学，两位中国博士生和他们的导师一起，开发了一个可视化、可交互的全球疫情地图。目前在GitHub开源，获得了超过6.6k+star，也登上了GitHub热榜。
同时，你也可以根据自己的喜好，修改底图。可以选择真实地图作为底图，支持放大，可清晰的看到一排排房屋。
Nature新研究：摄像头是天生的神经网络，速度超越传统方法千倍。
对于计算机视觉，镜头是它的眼睛，获取丰富的视觉信息后就可以传递给处理单元（CPU、GPU），并依靠它实现各种视觉能力。这是CV最常规的范式，也最符合我们的直觉，但是你会发现有两大问题。
首先，从镜头传递信息给处理单元，这一步并不简单，尤其是在使用云计算的情况下，这都怪视觉信息太丰富了。其次，处理单元的工作也不简单，计算量庞大的视觉模型常常让人望而却步。
而在这篇Nature最新研究中，研究者表明图像传感器本身也可以「印刻」神经网络，它能同时担当感光与处理图像这两大功能，且还没有延迟。更重要的是，这种机器视觉芯片比传统卷积神经网络要快上千倍。只要一块芯片，相机秒变智能终端。
作为各家厂商比拼的重点，今天手机上的摄像头已经做到了一亿像素，而摄像头感光器件也是典型的半导体芯片，本质是二极管，这类精密的结构通过改造，就可以将神经网络「印刻」到图像传感器上。
研究者在芯片上构造了一种光电二极管网络，这些光电二极管非常微小，且对光非常敏感。我们可以通过改变电压来增加或减少每个二极管对光的响应，从而调整每个二极管的灵敏度。
实际上，这些光电传感器网络就等同于神经网络，它们能够执行简单的计算任务。改变光电二极管的光响应强度会改变网络中的连接强度，也就类似于神经网络中的权重。因此，该芯片巧妙地将光学传感与神经形态计算相结合。
通过固定这些光电二极管的结构，并训练它们的光响应强度，就相当于搭建好了一个训练好的网络模型。这样摄像头即能采集图像，又能对图像进行处理。
虽然目前没有商用案例，但是这个理论对于对产品意义非凡。
OCR技术应用广泛，例如支付宝拍照识别身份证信息、银行的发票识别、百度翻译的实时翻译等等，都用到了OCR技术。
目前比较常用的中文OCR开源项目是chineseocr，它基于YOLOV3与CRNN实现中文自然场景文字检测及识别。
ChineseOcrLite相比ChineseOcr，它采用了轻量级的主干网络PSENet，轻量级的CRNN模型和行文本方向分类网络AngleNet。尽管要实现多种能力，但ChineseOcrLite总体模型只有17M。
轻量级的中文OCR识别框架，方便好用。
MNISTclock，是的，你没看错，用MNIST数据集做的时钟。
MNIST是计算机视觉中不老的经典，当第一代卷积神经网络在这个手写数字数据集上绽放出耀眼的光芒，它注定会载入「史册」。
我想，很多人入门深度学习，第一个使用的数据集就是MNIST。
作者Dheera突发奇想，用MNIST数据的样式，做出了一个钟，钟上显示的数字都是从MNIST数据集中采样的。
24小时随机抽万张不同的手写数字，每天都不带重样。做出来的效果是这样的：
浓浓的复古风，作者对硬件和代码都进行了开源，感兴趣的朋友可以动手试一试。
鉴别图像“造假”、视频“造假”的研究越来越多了。
近日，Adobe和UC伯克利的科学家们发表了他们的新成果CNNDetection。
它具备鉴别各种假图的能力，识别出那些图片、视频，是通过AI合成的，目前研究成果已经被CVPR2020收录。
虽然生成这些图片所用的算法大相径庭、风格迥异，但是总有会有一些固有缺陷，这里面既有CNN本身的问题，也有GAN的局限性。
这是因为常见的CNN生成的内容降低了图片的表征能力，而这些工作大部分集中在网络执行上采样和下采样的方式上。
研究发现，真实照片的频谱图上的信号主要集中在中心区域，而GAN生成的图像，频谱图上会出现四个小点。
抓住这些局限性问题，CNNDetection提出了一种基于频谱而不是像素的分类器模型，在分辨假图像上达到了最先进的性能。
Wenyan这种堪称『诡异』的编程语言再次放出大招。
star量是推动项目更新的源动力果然没错。
它有wiki官方文档、有IDE、有第三方库、有官方教程、有代码高亮方案等等。
感受一下在线IDE：
代码示例很多，都是一些数据结构算法。
同时，整个IDE的主题、编译方式、展现方式都能自由选择。
还有官方教程带你入门，还有第三方库供你调用，也有IDE供你调试，是不是很刺激？
而它的官方教程名为《文言陰符》，它的风格是这样的：
酷炫就完了！
近日，谷歌宣布推出MediaPipeObjectron，这是一种适用于日常物体的移动端实时3D目标检测pipeline，它能够检测2D图像中的目标，并通过新创建3D数据集上训练的机器学习模型来估计这些目标的姿态和大小。
具体而言，MediaPipe是一个用于构建pipeline进而处理不同模态感知数据的跨平台开源框架，Objectron则在MediaPipe中实现，其能够在移动设备上实时计算目标的定向3D边界框。
MediaPipe是谷歌去年7月份发布的一个多媒体框架，它在安卓、IOS网页等各种平台上都能应用机器学习媒体模型。近日MediaPipe发布0.7版，并加入了移动端实时3D检测模型。
目前MediaPipe包含人脸检测、手部检测、头发分割和视频自动横竖屏转换等功能。
2020年，可以拍一部大片了。
幽灵一样的全球疫情，突然打响的石油大战，美股活久见的多次熔断，比特币的飞速崩盘。
全球市场，很直观的感受就是：恐慌、恐慌、恐慌。
美股第一次熔断：
熔断，可以简单理解为，股指波动太大，交易所为控制风险采取的暂停交易措施。
就是交易所看股市跌的太狠了，就大家都喘口气，别紧张，别恐慌，咱们都缓一缓，冷静一下，暂停交易15分钟。
比特币崩盘：
单日最大跌幅，十分钟跌近30%，惨烈！
虽然国内疫情控制不错，但是A股市场也不容乐观，这几天股市大幅震荡，暴涨暴跌，每天振幅被放大到4%-5%。
我的500ETF和科创板在本周二再次触发止盈条件，跌破30日均线。
这回我没有犹豫，直接清仓了。
因为，首先，我已经等了一周，对市场信心没那么足了。其次，因为近期振幅太大，经常触发止盈条件，上着班经常看股市很分心，索性都抛了。
目前，整个市场受情绪影响严重，暂时不要轻举妄动，很容易左右打脸。
国外股市跌的这么惨，这确实是个机会，但是不要轻易探底，静观其变，等突破下跌趋势线再来分析也不迟。