每一次挫折，都是一次新的機遇。

眼下的白堊紀正是如此，在吃瓜網民的注視下，白堊紀順勢發起對流量戶的名譽權反訴訟，并借勢開始招募線下加盟商，布局線下銷售行業。

緊跟著，白堊紀發布了Android操作系統版本2.02，新的操作系統中剔除了企鵝的兩款語音聊天工具，新加入了天貓商城APP。

企鵝立馬發起了不正當競爭訴訟，白堊紀直接就發了聲明：結束合作，賠錢退股！

反正就是不想跟你玩了。

(流量戶這一設定參考騰百和幾個手機的合作歷史和訴訟史，我感覺我又走在了404的邊緣，李飛飛千萬保佑我……)

白堊紀下一代手機戰略，在具體機型有了目標后，整體戰略也多了一個目標：實現盈利，尤其是在高端手機上，增加差異化，提高利潤比。

對高通的訴訟，一時半會兒也出不了什么結果，著急也沒用。工作組來了幾天，調查盤問了一些問題，又取走了一些資料，表示接下來還會對其他手機和生產單位調查取證，而后就走了。

即使知道工作組和國產手機在利益上是“一家人”，但是還是要有事實依據，最終拿證據說事的。

天網的開源計劃定了，霍蓓蕾的“任性”是一方面，也有一些出于其他方面的考量。

隨之而來的開發人員不足的問題，卻是讓人覺得頭都大了幾圈。

移動式機械手的研發還是要繼續進行下去的，哪怕研發速度減緩，還是不能停，這關乎到天網的“飯碗”問題。

其他的許多動作，只能被迫停下來了，這里面就有關于連桿機械足的研發計劃。

而保留下來的項目，除機械手外只有一個，仍然還是視覺領域的項目：人景分離。

再具體一點：視頻場景的人景分離。

更具體一點：為新A站打造人景分離彈幕。

技術本身不復雜，仍然還是基于神經網絡的深度學習。

一個完整的視頻網站或者直播網站，其技術流程包含了采集、處理、編碼、封裝、推流……還需要了解RTMP等協議、H264等格式，掩碼(mask)……

以上都是唬人玩的。

視頻網站的真實開發場景就是客戶端一套代碼，服務端一套代碼，按照規范和手冊做下來即可。有些東西并不需要特別深究，是前人已經封裝好的。保護腦細胞健康，從忽視原理開始。

卡住中小企業的關鍵問題之一仍然還是服務器架構問題，這里面cdn的運用和服務器分發規則等負載均衡問題算是個學問。

就視頻本身而言，其本質仍然還是圖片，以快速刷新屏幕的方式，欺騙人的視覺，讓人以為視頻中的人物和場景在移動，而直播則是被分割成的一個個短小視頻的銜接。

視頻中的每一張圖片被稱之為“幀”。

既然是圖片，那么神經網絡和深度學習這對組合，就能夠派上用場了。

對大量包含人物的樣本圖片進行監督學習，可以得到關于人物輪廓的特征庫以及語意庫，作為分離標準。

對靜動像素的神經網絡進行算法分析，可以得到需要處理的目標區域。

此外還有遠近景的區分等等，這又是一個長長的課題清單。

監督學習和深度學習不再表述，總之這就是個黑盒模式。黑盒就是人類看不懂也無法解釋的意思，其過程是個有目的的隨機碰撞的過程，依賴于高速GPU的計算能力。

靜動分析更好說，如果圖片四角是靜止的，那么目標可能就是動的。如果圖片四角是移動的，那么目標可能是靜止的。

遠近景就不說了，有些時候并不是所有圖片中動的物體都需要切割。

這里面臨一個問題：英偉達支持AI計算的顯卡目前還沒發布，所以這一項目想要實現，仍然還是依賴于服務器。

所以整個項目流程被定為，AI服務器從新A站服務器得到視頻數據，將視頻數據解碼變為圖片集，對像素進行標記，處理好的圖片集再次打包成視頻吐回服務器，視頻網站設置對應的人、景、彈幕三者的z-index，在網站上和移動端把彈幕置于人景之間，最終呈現給用戶的就是一個人景分離的彈幕了。

因為依賴于服務器的原因，算力是有限的，能從這一項目得到受惠的up主必然不會太多。因此這一成果將用于吸引優秀up主加入，作為優秀視頻的獎勵。

當然這些扯遠了，眼下八字還沒一撇。好端端的突然跳到這個科研樹，原因是因為需要強化語意分割。

語意分割，其目標是知道圖片中的物體是什么。

以微軟識圖為例，一張綠草如茵的圖片，可能會被識別為“羊”。原因是，有關羊的訓練庫都和草地有關，所以看到草地，計算機就會自動認為這是“羊”。這就是無語意分割。

語意分割就是要搞清楚，“羊”是什么，“羊”長什么樣，“羊”在哪。

機械手識別商品并進行抓取，用到是就是有語意分割的深度學習神經網絡，但是存在著一些缺陷。

新開的這個項目就是為了強化語意分割的概念，進一步增加對圖片的辨識度，并為圖片中的物體賦予含義。

并不涉及到未知技術，葉曉奇也沒打算插手。人景分離項目繼天網課堂的人臉識別項目后，成為了新的可選實訓項目。而人景分離，也將為天網課堂的考核教程提供素材。

葉曉奇點了一個人，做這個項目負責人，老實巴交的劉浩然，上一次劉浩然的展示給葉曉奇留下了深刻的印象。

校企合作那邊也相應的提了要求，近期需要側重提供包含人物的圖片，以供學習。

(這個技術的靈感來源是b站的蒙版彈幕，早在蒙版彈幕出來的時候我就在搞這個玩了，FNC在這方面做的很好，再后來發現可以不用這么玩，谷歌在2月份發布了deeplabv3+可以直接做這個東西。這個技術真的很簡單，當下的條件，一個人就能寫了，只是跟團隊比起來會有效率高低開發快慢的不同，具體用到的工具和庫也會不一樣，有幾個庫可供選擇，效果也不一樣。到目前為止，本書中出現過的東西，都是現實里已經有的。AI彈幕，按道理來說，其實早就應該有了，可能是研發AI的企業關注點都在別的方面，比如汽車和VR什么的，所以拖到2018年才有。未來，本書也許會略帶科幻元素，原則仍然還是以現有技術能否實現為基準，不會科幻的很離譜。)