Сотрудник компании NetApp, специалист по Ethernet-технологиям и соавтор нескольких руководств и Best Practices по применению систем хранения NetApp FAS, Trey Layton в своем блоге показывает свою домашнюю IT-лабораторию, на которой он работает дома, участвуя в написании технической документации и тестировании.

Физик Тьерри Ласьерр (Thierry Lasserre) с коллегами из Французской комиссии по альтернативной и атомной энергии (French Alternative Energies and Atomic Energy Commission) предложил оригинальную идею для дистанционного обнаружения ядерных реакторов. По его расчётам, детекторы нейтрино (вроде черенковского водного детектора) можно соорудить на супертанкерах, которые могут подплыть к побережью вражеской страны и просканировать до 500 км вглубь её территории на предмет реакторного нейтринного спектра.

16 ноября 2010 года французские физики опубликовали (PDF) в открытом доступе свою работу “SNIF: A Futuristic Neutrino Probe for Undeclared Nuclear Fission Reactors”.

Наверняка вы видели новые режимы просмотра изображений, которые Github выкатил в прошлом месяце. Это действительно изящный способ показать разницу между двумя версиями картинки. В этой статье я попробую объяснить, как можно просто сравнивать изображения с помощью только Ruby и ChunkyPNG.

Сразу оговорюсь, что я и близко не являюсь профессионалом в области обработки изображений, но хочу поделиться с вами кое-какими полученными знаниями (с примером). Очень надеюсь, что информация будет для вас полезной.

При работе с изображениями многим приходилось сталкиваться с понятием «цветовой профиль». Откуда оно взялось? По определению, цветовой профиль — это набор данных, описывающих устройство цветного ввода или вывода (монитор, принтер и так далее). Профили определяют требования к внешнему виду через соответствия между пространствами цветов и PCS (Profile Connection Space). Пространство связи профиля может быть XYZ или LAB, а соответствия обычно задаются таблицами или «картами».

В учебных материалах к CCNP Route утверждается, что если существует несколько внешних маршрутов OSPF одного типа, будет выбран маршрут с лучшей метрикой, в случае же совпадения метрик, выбирается маршрут, объявленный ближайшим ASBR. При этом складывается впечатление, что трафик во внешние сети всегда должен проходить через ASBR. На практике данное описание является неполным и опускается один аспект, который может привести к субоптимальному роутингу.

Учёные из Кембриджа при помощи игры в поиск соответствующих цветов помогают разобраться в том, как работает интерфейс между людьми и экранами, что имеет огромное значение для нашего цифрового будущего

Первое, что видишь на своём телефоне – это изображение стилизованной пипетки. Резиновая груша вверху с небольшим световым бликом образует букву I в слове SPECIMEN [образец]. Ты наблюдаешь за тем, как небольшая цветная капелька с ускорением пролетает сквозь трубочку и формирует большую каплю с надписью PLAY. Нажми – и окажешься в игре, по результатам которой учёные, возможно, смогут лучше разобраться в том, как люди воспринимают цвета, и изменят показ изображений экранами всех электронных устройств.

Как игра Specimen достаточно минималистична. На экране видно тёмную чашку Петри, в которой передвигаются несколько каплеобразных «образцов». Игроки должны выбрать образец, точно совпадающий по оттенку, насыщенности и освещённости с цветом фона. Если вы выберете неправильный образец или не успеете сделать это, пока идёт время – и капля погибнет. Выберете правильно – капля взорвётся, как воздушный шарик на вечеринке, и вы услышите весёленький звук.

В предыдущей статье мы определяли цвет одежды по изображению, и это может помочь нам для принятия решений о том, одежду каких стилей покупать, и каким клиентам их отправлять. Мы описали гибридный подход с участием человека и машины, однако подробно описывали только часть работы человека – перевод изображений в иерархию цветов. В данной статье мы углубимся в часть работы компьютера – наш текущий алгоритм компьютерного зрения, процесс его разработки и идеи на будущее.

Откуда нам знать, что алгоритм работает?

Перед разработкой алгоритма нужно задуматься над тем, как мы будем оценивать его работу. Допустим, мы написали алгоритм, и он говорит, что «на этом изображении есть следующие цвета» – правильным ли будет его решение? И что это вообще значит — «правильным»?

Для решения этой задачи мы выбрали два важных измерения – правильную разметку основного цвета и правильное количество цветов. Мы задаём это как расстояние CIEDE 2000 (формула цветового отличия) между основным цветом, предсказанным нашим алгоритмом, и нашим реальным основным цветом, а также считаем среднюю абсолютную ошибку в количестве цветов. Такой выбор мы сделали по следующим соображениям:

• Эти параметры легко подсчитать.
• При увеличении количества метрик было бы труднее выбрать «лучший» алгоритм.
• При уменьшении количества метрик мы можем упустить важное различие между двумя алгоритмами.
• В любом случае у большинства предметов одежды есть один-два главных цвета, и многие из наших процессов полагаются на основной цвет. Поэтому правильно вычислить основной цвет гораздо важнее, чем правильно вычислить второй или третий цвета.

Вот линейный градиент на CSS, идущий от чисто жёлтого до чисто синего цвета:


Заметили, что в центре он становится бледным и грязным?

Это явление Эрик Кеннеди назвал «мёртвой зоной серого». Если вы тщательно не выбираете цвета для своих градиентов, то в ваших градиентах на CSS часто возникает такая обесцвеченная часть посередине.

Однако, как оказалось, можно полностью избавиться от мёртвой зоны серого. В этом посте я расскажу, почему она возникает, и о том, как можно использовать теорию цвета для создания насыщенных, ярких градиентов, «живых» по всей своей длине.