场景算法算力

㈠ 游戏场景管理的八叉树算法是怎样的

不管是什么树，都属于需要适应场景内容的空间划分，划分的结果需要尽量平均地分割场景里的对象，不然就失去了空间划分的意义。具体实现上，走一次空间划分需要遍历场景里的对象（至少也要遍历它们的bbox），甚至可能不止一次，所以必然有相当的计算代价。对于轴平行的划分方法，起始一次划分的时候不妨从bbox在那个轴上的中值开始。优化上，由于物体的移动是渐进的，可以考虑从上一次划分的结果起始下一次划分。我自己喜欢用固定尺寸的网格。

㈡ 阐述提高场景文字检测算法性能的难点

1、图像输入、预处理：
图像输入：对于不同的图像格式，有着不同的存储格式，不同的压缩方式。预处理：主要包括二值化，噪声去除，倾斜较正等
2、二值化：
对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，我们可以简单的分为前景与背景，为了让计算机更快的，更好的识别文字，我们需要先对彩色图进行处理，使图片只前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图了。
3、噪声去除：
对于不同的文档，我们对燥声的定义可以不同，根据燥声的特征进行去燥，就叫做噪声去除
4、倾斜较正：
由于一般用户，在拍照文档时，都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正。
版面分析：5、将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性，复杂性，因此，目前还没有一个固定的，最优的切割模型。
6、字符切割：
由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能，这就需要文字识别软件有字符切割功能。
7、字符识别：
这一研究，已经是很早的事情了，比较早有模板匹配，后来以特征提取为主，由于文字的位移，笔画的粗细，断笔，粘连，旋转等因素的影响，极大影响特征的提取的难度。
8、版面恢复：
人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变，的输出到word文档,pdf文档等，这一过程就叫做版面恢复。
9、后处理、校对：
根据特定的语言上下文的关系，对识别结果进行较正，就是后处理。
开发一个OCR文字识别软件[2]系统，其目的很简单，只是要把影像作一个转换，使影像内的图形继续保存、有表格则表格内资料及影像内的文字，一律变成计算机文字，使能达到影像资料的储存量减少、识别出的文字可再使用及分析，当然也可节省因键盘输入的人力与时间。从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正，将结果输出。

㈢ raft算法与paxos算法相比有什么优势，使用场景有什么差异

Paxos算法解决的问题是一个分布式系统如何就某个值（决议）达成一致。一个典型的场景是，在一个分布式数据库系统中，如果各节点的初始状态一致，每个节点都执行相同的操作序列，那么他们最后能得到一个一致的状态。为保证每个节点执行相同的命令序列，需要在每一条指令上执行一个“一致性算法”以保证每个节点看到的指令一致。一个通用的一致性算法可以应用在许多场景中，是分布式计算中的重要问题。因此从20世纪80年代起对于一致性算法的研究就没有停止过。节点通信存在两种模型：共享内存（Sharedmemory）和消息传递（Messagespassing）。Paxos算法就是一种基于消息传递模型的一致性算法。不仅只用在分布式系统，凡是多个过程需要达成某种一致性的都可以用到Paxos算法。一致性方法可以通过共享内存（需要锁）或者消息传递实现，Paxos算法采用的是后者。下面是Paxos算法适用的几种情况：一台机器中多个进程/线程达成数据一致；分布式文件系统或者分布式数据库中多客户端并发读写数据；分布式存储中多个副本响应读写请求的一致性。Lamport最初Paxos算法的论文ThePart-TimeParliament在理解起来比较有挑战性，个人认为部分原因是Lamport通过故事的方式来表述、解释这个问题，所以在阅读文章的时候读者需要透过故事讲的本身看到作者想说明什么。比如文章中会有很多讲到Paxos文明没有被发现和考证的，这些映射到实际系统中往往是简单、大家都心知肚明的基础，但如果读者苦于想知道这些内容是什么时，就上当了。下面章节安排如下：第二节对应原文的1.1-2.1。第三节对应原文2.2-3.2。

㈣ java快速排序算法的使用场景，即什么时候应该使用快速排序算法，而不是别的排序算法，谢谢！

数据量比较大（大于20），要求效率的情况下

㈤ LOD 算法详解

层次细节技术（Level Of Detail,LOD）：可见性裁剪技术对遮挡程度高的
场景比较高效,但当场景中的可见几何体数量巨大时，可见性裁剪算法就无法简化
场的规模和复杂度。层次细节技术就是为简化场景中可见几何体的多边形细节而
提出的一类加速算法。按照视觉重要性原则，距离视点越远的几何体在显示屏幕
上投影面积越小，对视觉感官的贡献越少，因此一个自然的加速绘制方法是对近
处几何体充分绘制详细的几何细节，而对远处的几何体则大幅度地进行简化，绘
制较为粗糙的几何细节，这就是层次细节技术的出发点。层次细节技术的主要难
点在于如何快速构建并选择几何体的多次层次细节模型，以及不同层次细节之间
的自然过渡。

㈥ 快排，归并排，堆排序时间复杂度相同，那种最快什么应用场景下需要stable的算法

快排，归并排，堆排序时间复杂度相同，但它们三者区别是快速排序和堆排序是不稳定的，归并为稳定型，对于辅助空间堆排序要求最小，归并最多，它们排序的最好情况复杂度相同，最坏的情况下快速排序要复杂些，根据数据的数量来说，选择归并或堆，如果还要求考虑辅助空间，就用堆排序，在涉及稳定性方面则考虑归并（虽然所需空间较多）。所以，选择那个排序要看题目要求........

㈦ hash算法的有哪几种，优缺点，使用场景

Hash算法在信息安全方面的应用主要体现在以下的3个方面： 1）文件校验 我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。

㈧ 给人工智能提供算力的芯片有哪些类型

给人工智能提供算力的芯片类型有gpu、fpga和ASIC等。

GPU，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器，与CU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。

FPGA能完成任何数字器件的功能的芯片，甚至是高性能CPU都可以用FPGA来实现。 Intel在2015年以161亿美元收购了FPGA龙 Alter头，其目的之一也是看中FPGA的专用计算能力在未来人工智能领域的发展。

ASIC是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。谷歌最近曝光的专用于人工智能深度学习计算的TPU其实也是一款ASIC。

(8)场景算法算力扩展阅读：

芯片又叫集成电路，按照功能不同可分为很多种，有负责电源电压输出控制的，有负责音频视频处理的，还有负责复杂运算处理的。算法必须借助芯片才能够运行，而由于各个芯片在不同场景的计算能力不同，算法的处理速度、能耗也就不同在人工智能市场高速发展的今天，人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。

㈨ 游戏场景管理的八叉树算法是怎样的

八叉树（octree）是三维空间划分的数据结构之一，它用于加速空间查询，例如在游戏中：
加速用于可见性判断的视锥裁剪（view frustum culling）。
加速射线投射（ray casting） ，如用作视线判断或枪击判定。
邻近查询（proximity query），如查询玩家角色某半径范围内的敌方NPC。

㈩ 在什么样的场景下需要稳定排序算法

另外一个答案不靠谱啊
正确答案应该是D

对基数排序：
A least significant digit (LSD) radix sort is a fast stable sorting algorithm which can be used to sort keys in integer representation order.
对归并排序：
In computer science, merge sort (also commonly spelled mergesort) is an O(n log n) comparison-based sorting algorithm. Most implementations proce a stable sort, which means that the implementation preserves the input order of equal elements in the sorted output.

来源Wiki