幹壞事是進步最大的原動力
作者用 OpenCV 學習老闆的臉，然後當老闆走過來的時候把畫面切到努力工作中的 screenshot XDDD：「Deep Learning Enables You to Hide Screen when Your Boss is Approaching」。
“My boss left his seat and he was approaching to my seat.”
“OpenCV has detected the face and input the image into the learned model.”
“The screen has switched by recognizing him! ヽ(‘ ∇‘ )ノ ﾜｰｲ”
作者是個日本人 (要說不意外嗎 XDDD)，這套軟體的程式碼在「Hironsan/BossSensor」這邊 XDDD
超級浪費才能 XDDD
從 Google 的 Vision API，到 Microsoft 的 Computer Vision API (參考「微軟也推出圖片辨識的 API 了」)，AWS 也推出類似的服務了：「Amazon Rekognition – Image Detection and Recognition Powered by Deep Learning」。
與其他兩家都是類似的方式，丟圖進去然後用系統已經 train 好的資料給你分析結果... 然後依照次數算錢。
有種算是補產品線的感覺啦...
感覺好像是從 AlphaGo 大勝李世乭開始，透過各類 neural network 的技術就一直冒出來...
Yahoo! 這次放出來判斷是否為色情圖片的也是同源的技術：「Open Sourcing a Deep Learning Solution for Detecting NSFW Images」。
當年沒辦法做的事情，現在的技術已經成熟到被 open source 出來了...
Amazon EC2 為了 GPU 而推出的 P2 type：「New P2 Instance Type for Amazon EC2 – Up to 16 GPUs」。
p2.large 有這樣的規格：
This new instance type incorporates up to 8 NVIDIA Tesla K80 Accelerators, each running a pair of NVIDIA GK210 GPUs. Each GPU provides 12 GB of memory (accessible via 240 GB/second of memory bandwidth), and 2,496 parallel processing cores.
而最大台的 p2.16xlarge 也就是 16 倍... 每小時單價也刷新了之前 x1.32xlarge 的記錄 $13.338/hr (us-east-1)，來到了 $14.4/hr...
另外也推出了 deep learning AMI，內裝了一堆常見支援 GPU 的 ML framework：
In order to help you to make great use of one or more P2 instances, we are launching a Deep Learning AMI today.
在某些新聞報導透漏出了受害者的某些背景身份，於是你手上有了這兩個資料：
現在的問題是，要怎麼判斷出新聞照片裡是哪個人：「Defeating Image Obfuscation with Deep Learning」。
類似這樣的實驗，從 40 個人中找出正確的人，有 50% 的正確率：
也許 50% 不算到能用的程度，但這代表老大哥的技術已經在發展了...
看到「Neural Doodle」這個專案，可以把塗鴉轉成帶有油畫筆觸的圖：
看起來是實作新的演算法：
Use a deep neural network to borrow the skills of real artists and turn your two-bit doodles into masterpieces! This project is an implementation of Semantic Style Transfer (Champandard, 2016), based on the Neural Patches algorithm (Li, 2016).
另外一組範例：
程式可以用純 CPU 跑，也可以用 GPU 跑，不管哪種都很吃記憶體 XDDD