全连接网络到卷积神经网络逐步推导（组图无公式）
在图像分析中，卷积神经网络（Convolutional Neural Networks, CNN）在时间和内存方面优于全连接网络（Full Connected, FC）。这是为什么呢？卷积神经网络优于全连接网络的优势是什么呢？卷积神经网络是如何从全连接网络中派生出来的呢？卷积神经网络这个术语又是从哪里而来？这些问题在本文中一一为大家解答。
SLAM+AR 技术与应用的一些思考
图像处理领域涉及AR的技术可以抽象为这么一类技术：通过图像和其他传感器信息计算摄像机的位置和图像内环境三维结构信息，并结合3D渲染提供更自然的人机交互能力。
Springboot三部曲之Controller统一异常处理
SpringBoot整理的最后一块内容，Controller统一异常处理。
Controller的异常处理应该由开发组长来定义，这样再遇到问题的时候，不需要再使用if或者try等模块来对代码进行返回规范和日志记录，这类公共内容和经常进行CV编程的代码，应该统一起来，让开发人员随时随地，遇到业务无法执行的时候抛出业务异常即可，无需再次编写返回实体,这里就体现出Controller统一返回的好处了，要是不统一返回，那么异常处理的时候也没办法保证返回的内容是前端同事可以看懂的。
关于机器学习，你需要知道的三件事！
MATLAB开发运营团队深度解析何为机器学习，什么时候使用机器学习，如何选择机器学习算法，MATLAB到底能为机器学习提供怎样的便利？
快速搭建 Serverless 实时按需图像处理服务
示例讲述了如何快速地利用 FC 函数计算以及 OSS 对象存储服务搭建一个按需转换图像的在线图像处理服务。达到的效果为：
当前端根据用户设备的 media 信息来请求特定尺寸图像副本时，若对象存储中未存在，则通过函数动态生成相关图像存储到对象存储中并返回。
直观理解深度学习的卷积操作，超赞！
在本文中，我们将逐步分解卷积操作的原理，将他与标准的全连接网络联系起来，并且探索如何构建一个强大的视觉层次，使其成为高性能的图像特征提取器。
