程序员欢乐送（第58期）

一直保持的追求有三点：技术、快乐、财富，这里记录每周值得分享的内容，周五把欢乐送达。

技术

1、Background Matting

绿幕，可以说是影视剧中抠图、换背景的利器，很多特效的生成，都是用了绿幕。

但如果不在绿幕前拍摄，我们还能完美地转换背景吗？比如，出门的旅游视频，我想换个背景，”云旅游”去世界的另一个”角落”。

华盛顿大学的研究者最近就发表了这样一份论文：不在绿幕前拍摄也能完美转换视频背景，让整个世界都变成你的绿幕。

左下角的小视频为原始视频，右边的大视频为合成后的结果。可以看到，头发丝都分割的很好！

替换视频背景，就是这么简单！人在家中坐，全球各地游。

使用方法也很简单，以图片合成为例。拍摄一张带人物的图片和不带人物的背景图，然后算法就可以根据这两个图片预测蒙版，进而提取出目标人物并完成合成。

研究者在诸多图像和视频上测试了他们提出的新方法，证明了该方法是目前最好的算法，这篇论文也已被 CVPR 2020 大会接收。

项目地址：点击查看

2、CenterTrack

自从 CenterNet 发表以来，Anchor Free 系列的算法开始”火热”。

简单介绍下 CenterNet，它是一种目标检测算法，采用关键点估计来找到目标中心点，并回归到其他目标属性，例如尺寸，3D位置，方向，甚至姿态等。

CenterNet 就是先找到目标的中心点，然后回归出目标的尺寸，即长和宽。

采用这种思想，后来又出现了 CenterFace，即基于 CenterNet 的人脸检测算法。

最近，又出现了一个 CenterTrace，”人”如其名，它是一个跟踪算法。

CenterTrack 是 CenterNet 作者基于 Tracktor++ 这类跟踪机制，通过将 Faster RCNN 换成 CenterNet 实现的一种多目标跟踪框架，因此跟踪框也就变成了跟踪中心点。

CenterTrack 算法，在多目标跟踪 MOT Challenge 上，荣获榜首。CenterTrack（22FPS）作者同时也是 CenterNet 的作者。

一种思想，在各个小方向上，”开花结果“。

项目地址：点击查看

3、Vim³

Vim 大家应该都不陌生，Vim 具有程序编辑的能力，可以主动的以字体颜色辨别语法的正确性，方便程序设计。

在工作中，我最常用的编辑和写代码工具就是 Vim 了。

配合着 tmux 一起使用，简直是一种享受，不得不说，Vim 大法好！

二维的 Vim 都用过，那你用过狂拽酷炫的三维 Vim 吗？

Vim³ 它比二维的 Vim 多一维，如果二维的 Vim 在你编程时，能给你带来双倍的快乐，那么 Vim³ 就能给你带来三倍的快乐。

项目地址：点击查看

4、De-occlusion

De-occlusion 是一个自然场景去遮挡算法，CVPR 2020 的 Oral Paper。

之前，很少看见过这类算法，感觉很新鲜。

De-occlusion 算法可以将遮挡的目标去掉，并且不”影响”背景，类似于分割+背景修复的结合。

我们可以移动任意的目标，不用手动抠图，算法帮你扣选出目标，并且可以随意移动到一个新的位置，也就是说，你可以对一副图片的场景，重新布置。

是不是还蛮有意思的？

代码完全开源，感兴趣的朋友可以试一试。

项目地址：点击查看

5、Toilet System

如果说，De-occlusion 让你感觉到了些许新鲜。

那么，接下来要说的这个，绝对可以称得上是，真·”新鲜”。

这是一篇，超有”味道”的论文！

世界上没有两片相同的雪花，「菊花」亦然，斯坦福大学的一篇论文中这么说到。

在这篇论文中，研究者发明了一种「菊纹识别」智能马桶，可以利用深度学习技术识别你的「菊纹」和便便，从而达到健康监测的目的。

目前，该论文已经在《Nature Biomedical Engineering》期刊上发表。

从目前流行的指纹识别、人脸识别到这个「菊纹（analprint）识别」，研究人员思路的进化让人一时难以跟上。我们先来看一下这个马桶长什么样子：

这个马桶圈里安装了四个摄像头：一个粪便摄像头（stool camera）、一个「菊花」摄像头（anus camera）和两个尿流摄像头（uroflow camera）。顾名思义，这些摄像头分别用来监测排便者的粪便、「菊花」和尿液。

除此之外，马桶圈上还安装有一系列传感器和试纸，可以记录人坐在马桶上的时间、分析尿液里的成分。

该马桶的工作原理可以概括为：尿液和粪便样本都通过视频采集，然后通过一组算法进行处理，这些算法可以区分正常的尿液（流速、时间、流量）、粪便特征和不正常的特征。

试纸则用于测量某些分子特征，包括白细胞计数、血液污染、特定水平的蛋白质等，这些指标可以反映一系列疾病，从感染到膀胱癌再到肾衰竭。

论文作者表示，该马桶目前已经可以测量 10 种不同的生物标记。

哇，这真是有”屎”以来最有”粪”量的论文。

简单概括就是：这个马桶，可以通过「菊纹」区分家庭成员，并根据粪便、试纸指标等多维特征，来对你的健康进行评估。

这样，马桶就可以记录每个家庭成员的健康情况！

就想问一句：这样的智能马桶，你敢用吗？

论文地址：点击查看

6、SReC

SReC 是一种基于图像超分辨的无损压缩算法，2020的最新研究成果。

这种方法首先编码了原始低分辨率图像，而后使用无损超分辨来得到高分辨率图，最后利用熵编码来压缩超分辨算子，随后实现了高速高压缩比的无损压缩。

简单概括就是，想把图像分辨率升上去，让图像更加清晰，然后再压缩，得到最终的压缩图片。

最终的结果就是，得到了一个清晰度不变，但体积大幅度减小的图片。

高比例的无损压缩，就这样实现了。

别看它功能比较常见，但这个东西，真的非常实用！

应用场景非常多，是一种常用的通用技术。

比如，一个网站，网站的带宽是有限的，能加载的资源也是有限的。如果一个页面图片过多，并且都是 1M 以上的大图，那么就需要很多的带宽去加载，如果带宽不够，用户访问，就会非常卡，体验极差！

有了这种无损的图片压缩技术，就可以大幅度降低服务器的压力，从而减少服务器的成本。

再比如，我们训练一些网络，需要数百万、甚至千万的图片数据，数据量庞大，这时候这种无损图像压缩技术也可以派上用场。

总之，SReC 算法还是非常实用的。

项目地址：点击查看

7、The Algorithms – Python

学会了 Python 基础知识，想进阶一下，那就来点算法吧！

几位印度小哥在 GitHub 上建了一个各种 Python 算法的新手入门大全。

从原理到代码，全都给你交代清楚了。为了让新手更加直观的理解，有的部分还配了动图。

算法的代码实现给的资料也比较丰富，除了算法基础原理部分的 Python 代码，还有包括神经网络、机器学习、数学等等代码实现。

在算法原理部分主要介绍了排序算法、搜索算法、插值算法、跳跃搜索算法、快速选择算法、禁忌搜索算法、加密算法等。

在神经网络部分，给出了 BP 神经网络、卷积神经网络、全卷积神经网络以及感知机等。

很多算法，使用 Python 进行了实现，有的部分还配可参考的资料。

良心之作！

项目地址：点击查看

快乐

1、愚人节表白翻车

2、这位买家的评论真是令人捧腹啊

财富

看着好多人都在玩可转债打新，我打算也去尝试一下，提前学习一下可转债相关的基础知识。

那么，什么是可转债呢？

可转债是一定条件下，可以被转换成股票的债券，有股票和债券双重属性。

股市行情好的时候，可转债的股性就会显示出来，跟着行情上涨，上不封顶。股市大跌的时候，债券属性还可以起到保护作用。

不过一种简单的玩法就是，可转债打新，打新中签，上市就卖。

这个策略很简单，也很好操作。

如果我们采取这一种策略，假设每次打新都能中签。

在2019年，上市首日的平均价格是109元。当天卖掉，收益9%。

打新可转债，就像薅羊毛，不薅白不薅的那种。

当然，可转债也是能亏损的，首日破发也是会发生的，如果大家有耐心、有信心，又不急用这仨瓜俩枣的钱，可以在破发的日子，先不卖。

操作也很简单，有个证券账户就行，例如我使用的国泰君安。

最后

本周的程序员欢乐送，到此结束，下周再会。

来源：

https://cuijiahua.com/blog/2020/04/life-67.html