但是反过来，如果算法看起来不是那么牛逼，但数据很好，你仍然可能把识别的精度做得很高。

事实上，说样本数据是机器学习系统的一部分也不为过。

实际上从论文就能看出索科和巨软自信心的来源。

根据论文中的描述，巨软在训练可以用于骨架识别的模型时，使用了数百万张深度图，测试时使用了8k多张手动标记过的深度图！

而索科在训练机器学习模型时，用了一个1000核的分布式集群，这个处理器极大地提升了索科的计算效率，同时使索科的机器可以只花一天的时间完成1M张深度图的训练...然而就算这样，在人体骨架提取技术上，他们也仅仅比竞争对手的巨软领先一丢丢罢了！

在所有人看来，体感交互技术真正值钱且形成壁垒的，正是这些样本库中，被巨头们辛辛苦苦搜集到的数据。

其实这些数据的获取难度并不高，真正的重点...一个是需要大量的金钱，另一个则是大量的机器学习时间。

金钱对溯光来说倒不算什么问题，时间吗...在玩家们看来，现在的溯光和其他两大巨头相比...最缺的就是时间了。

通俗点说，这就像有一个人告诉你，要成为一个像他一样成熟的男人必须要有丰富的人生阅历，但他没告诉你他的人生经历具体是什么样的，即使说了一些，也是他自己加工过的，和真实有很大差距。

所以，他说的这些对你来说用处不大...你不可能听他吹完牛笔，就变成一个成熟的男人。

而真正想要成为一个成熟的男人...只有用时间来沉淀，用阅历来丰满！

对玩家们来说，溯光是不可能用这十几天的时间，靠抄作业就能成为一个“成熟的男人”！

Loading...

未加载完，尝试【刷新】or【关闭小说模式】or【关闭广告屏蔽】。

尝试更换【Firefox浏览器】or【Chrome谷歌浏览器】打开多多收藏！

移动流量偶尔打不开，可以切换电信、联通、Wifi。

收藏网址：www.sisiread.com

(＞人＜；)