⑴ 极市平台-专栏文章导航
极市平台专栏文章导航，为你分类整理前沿技术资讯，助你轻松查找所需内容。涵盖CVPR、ECCV、数据集与工具、极市直播-技术分享、目标检测、行人检测与行人重识别、目标跟踪、图像分类与图像处理、图像分割、人脸、三维与动作识别、文本检测与异常检测、工业检测、自动驾驶等多个领域。以下精选内容让你一网打尽：
CVPR专题：
- 2000至2019年CVPR最佳论文汇总，历年经典尽收眼底；
- CVPR2019最全整理，论文下载、Github源码、直播视频、论文解读应有尽有；
- 目标检测、行人检测、行人重识别、单阶检测、联合分割、多人三维姿态、算力限制下实战等精彩直播分享；
- ECCV2018与ICCV2019的算法总览、Oral论文与代码，深度解析最新技术动态；
- 数据集与工具集的实用资源，助你高效研究与实践。
技术分享直播：
- 极市直播，多位顶级专家深入讲解ICCV、CVPR、ECCV等顶会论文，分享最新技术成果与实践心得；
- 从人群密度分析、视觉SLAM、语义分割到工业检测、自动驾驶，覆盖广泛技术领域；
- 高效训练平台与OpenVINO™工具集加速推理的实战经验分享，助你提升技术实力。
目标检测专题：
- 深度解析目标检测技术，从理论到实践，覆盖数据集、算法、工具与实战案例；
- 白话mAP，轻松理解目标检测评价指标；
- 最新算法如IoU-Net、FoveaBox、Grid R-CNN Plus等，助你紧跟技术前沿。
行人检测与行人重识别：
- ECCV2018与ECCV 2018论文，探索行人检测与行人重识别技术；
- ALFNet、Bi-box行人检测等创新方法，提升行人检测准确率；
- 基于开源工具的图像处理算法解析，深入理解技术细节。
目标跟踪：
- Siamese网络在单目标跟踪中的应用，CVPR2019 Orals等精彩内容；
- 基于孪生网络的跟踪算法汇总，助力你深入学习跟踪技术。
图像分类与图像处理：
- 分类网络结构梳理，SENet与SKNet等最新进展；
- 基于开源工具的图像处理算法解析，提升图像处理能力。
图像分割：
- 域迁移分割算法，即插即用的高效解决方案；
- 常用语义分割架构综述与代码复现，助你快速入门图像分割。
人脸识别：
- 三维人脸几何估计、轻量级通用人脸检测器、移动端人脸算法全栈项目等资源；
- 最快CNN人脸检测算法开源，人脸识别相关资源汇总，深度解析人脸识别技术。
三维与动作识别：
- 单目无监督深度估计与视觉里程计，超越双目算法的创新方法；
- 旷视科技研发总监俞刚的Human pose Estimation直播分享，带你领略动作识别的前沿技术。
文本检测与异常检测与工业检测：
- OCR文本检测干货、时序数据异常检测工具与数据集，涵盖工业检测的资源汇总。
自动驾驶与求职攻略：
- 袁源Jerry讲解机器学习与深度学习在自动驾驶中的应用，分享行业洞察；
- 国内外优秀计算机视觉团队汇总，为求职提供参考；
- AI名企内推汇总，助力你获取优质工作机会。
小白必看与面试干货：
- 技术干货精选，涵盖基础知识与面试秘笈；
- 计算机视觉每日论文速递，紧跟学术动态；
- 神经网络压缩与调试技巧，提升技术实力。
活动与实践：
- CV101榜单分享会，技术进展与未来展望；
- 免费深度学习实战培训，送Intel神经计算棒二代，提升实践能力。
极市平台专栏文章导航，致力于打造技术资源的高效汇聚地，助你快速成长，探索技术的无限可能。
⑵ 一道数学题，让芯片巨头亏了5亿美金
1993年，CPU 巨头Intel推出了Pentium处理器。
新的品牌顺利地摆脱了AMD等公司对286，386，486等数字系列的品牌“抄袭”，树立了全新的领先者的形象。
再加上90年代初斥巨资成功推进的Intel Inside计划， Intel 成功地从一家主要向电脑制造商供货的公司，转变成一家直接面向消费者的品牌。
不知道哪位天才把Pentium翻译成霸气的“奔腾”，真是惊艳全场的神来之笔。
新产品，新品牌，Intel 可谓意气风发，准备一统天下。
但谁也没想到的是，这个被寄予厚望的CPU内部居然隐藏着一个Bug！
Bug被发现的过程也颇为传奇，我们得从数学上的一个概念说起。
早在希腊时代，欧几里得就已经证明质数有无穷多个，并且数字越大，质数分布得越稀疏。
神奇的是，尽管分布得很稀疏，但只要出现一个质数，就可以在附近找到另外一个， 例如41 和 43、101 和 103、10007 和 10009，他们之间相差都是2。
数学家给这些相差为2的连续质数起了一个名称： 孪生质数。
1919年，挪威数学家 Viggo Brun证明了一件有趣的事情，就算有无穷多的孪生质数，它们倒数的和会收敛于一个常数，这个常数被称为“ 布朗常数 ”。
但是让数学家头疼的是：他们不知道这个布朗常数是不是无理数。
随着计算机的出现，有些人就想到一个招数：用计算机强大的算力，暴力求解。
美国 Lynchburg College 的数学教授Thomas Nicely就是其中的一员，他的实验室恰巧装备了新的奔腾计算机。
严谨的Nicely为了防止算错，用了两种算法做双保险，如果答案不同，肯定是某个地方出了问题。
Nicely满怀希望地开始了计算，可是结果让他失望：两种算法的结果真的不一样！
深入研究以后，Nicely发现：824 633 702 441和824 633 702 443这两个孪生质数，它们的倒数的小数点后的第10位被算错了！
Nicely换了一台老旧的486电脑来计算，答案算对了。
他再用奔腾电脑来重新计算，错误重现。
到底是自己的程序写错了？还是电脑的问题？
Nicely开始做排除法， 排除自己代码的错误，Borland编译器的错误，芯片组的错误，花了整整4个月的时间 ，终于找到了Bug的起源地： 奔腾CPU 。
1994年10月24号，Nicely打电话给Intel的技术支持部门，告知他们这个问题，Intel说几天内就会有回复，但是从此杳无音信。
原因很简单，Intel早在1994年6月就知道了这个问题：浮点除法运算（FDIV）出错。
奔腾CPU的FDIV引入了一种全新的、快速的实现方法，使用了一个2048项的硬件查找表，但是由于意外，有5个值没有被正确地设置，他们本应该是2，但是却设置成了0。
这个Bug只有在高精度计算的时候才会被触发，普通用户很难碰到，Byte杂志估计，出错的概率是90亿分之一。
既然影响不大，Intel的选择是：隐瞒，悄悄修复，不公布任何细节。
毕竟已经售出几百万片CPU了，大规模召回损失太大。
又不是不能用！
收不到回音的Nicely很不爽，10月30号，他开始给一些IT著名人士和杂志发邮件，包括Byte杂志，PC Week，InfoWorld，PC Magazine。
这件事情很快在网络上发酵，一大批牛人开始了问题定位的接力赛：
第一棒选手是上面提到的Nicely。
第二棒则是挪威的Terje Mathis，他很快确认了Nicely的问题，并且写了一个简单的汇编测试程序，发到了comp.sys.intel新闻组中（没错，那时候别说社交网络了，就连BBS还不流行）
第三棒是德国的Andreas Kaiser ，他找到了24个数字，它们的倒数在奔腾CPU只能得到单精度的结果。
第四棒是一位设计FPU(floating-point-unit)的专业人士，加州Vitesse半导体设计师Tim Coe。
他根据24个数字的线索，推测出奔腾CPU采用了基数为 4 的 SRT 算法，每个时钟周期可以生成两位的商，使得速度比原来快两倍。
事实也确实如此，内部专业人士的确厉害。
到了第五棒，一个超级大牛出现了，MATLAB之父：Cleve Moler
Moler总结了之前的数据，找到了Bug的规律。
可见犯了错误以后，想捂是捂不住的，你越想捂，这世界上越有人要把你扒个底朝天。
但是到目前为止，Intel奔腾这个硬件Bug还主要在 科技 圈中转悠，破圈还需要等待一个重要时刻。
1994年11月24号，JPL（喷气推进实验室，钱学森是重要创始人）有两名工程师得知了这个Bug，建议实验室停购奔腾电脑。
奔腾CPU这个本来很难出现的Bug一下子成为街头巷尾的热议话题。
在媒体的重压之下，Intel终于承认了浮点计算的漏洞，但依然嘴硬，它声称并不严重， 并且只给那些能证明自己受到影响的用户更换CPU 。
这种想蒙混过关的处理态度引发众怒，动摇了消费者对Intel CPU的信心。
其他厂商也顺时而动，IBM暂停销售装有Intel CPU的个人电脑，导致Intel股票大幅下跌。
1994年12月，撑不住的Intel终于宣布：召回所有有缺陷的处理器。
这也是 历史 上第一次全面召回计算机芯片。
Intel为此付出的代价是：4.75亿美元，名誉的损失更是难以估量。
故事到此并没有结束。
照理说硬件出了问题，无法修改，只能替换。
但是不要忘了我们刚提到的那一群天才，MATLAB之父Cleve Moler ，Tim Coe，阿贡国家实验室的 Peter Tang 以及来英特尔的几位工程师，他们通力合作，在12月5号居然开发出了一个非常巧妙的软件修复办法。
细节这里就不赘述了，大概是：在特定情况下，将被除数和除数都乘以15/16，就可以进入安全状态。
这个修复办法被发到新闻组中，让所有人免费使用。
精明的Cleve Moler让公司发布了一个可以检测和纠正除法错误的MATLAB版本，并且立刻发了一个新闻稿《MathWorks修复了Intel奔腾浮点数Bug》。
就在奔腾的Bug闹得沸沸扬扬，全国知的时候，新闻稿出现在了美国各大媒体的传真机上。
Cleve Moler成功地实施了一次完美营销，这一年，他的公司MathWorks只是一家不到250人的小公司，随后便走上了快车道，成为这一领域的巨头。