【历史上的今天】7 月 24 日:Caldera 诉微软案;AMD 宣布收购 ATI;谷歌推出 Chromecast

本文回顾了1951年晶体管的发明者JohnBardeen离开AT&T贝尔实验室,1996年Caldera对微软提起反垄断诉讼,2006年AMD收购ATI,以及2013年谷歌推出Chromecast等科技历史事件。这些事件对计算机科学和技术产业产生了深远影响。
摘要由CSDN通过智能技术生成

整理 | 王启隆

透过「历史上的今天」,从过去看未来,从现在亦可以改变未来。

今天是 2023 年 7 月 24 日,在 1951 年的今天,晶体管发明家 John Bardeen 通知 AT&T 贝尔实验室,他将离开公司,与 Walter Brattain 和 William Shockley 一起开发了现代计算中最重要的组件之一:点接触晶体管。晶体管取代了真空管,使计算机的尺寸大大减小,功率大大增加;但在晶体管研制成功后,Bardeen 对 Shockley 却感到不满,因为他认为 Shockley 限制了他和 Brattain 对晶体管进一步改进的参与,三人就此分道扬镳。回顾科技历史,7 月 24 日这一天还发生过哪些关键事件呢?

1996 年 7 月 24 日:Caldera 对微软提起诉讼

在这里插入图片描述

图源:维基百科

Caldera 是一家美国软件公司,成立于 1994 年,旨在开发基于 Linux 和 DOS 的操作系统产品;该公司在 1995 年的第一个产品是 Caldera Network Desktop,基于 Red Hat Linux 和 Novell 的 Corsair Internet Desktop 开发。为寻找与 OpenLinux 发行版捆绑在一起的 DOS 操作系统,Caldera 于 1996 年 7 月 23 日从 Novell 收购了 Novell DOS 7 和其子公司 DRI 留下的资产,由 Canopy Group 作为其最大投资者提供支持。该交易包括直接向 Novell 支付 400 000 美元以及从 DR-DOS 获得的任何收入的百分比特许权使用费。

紧接着,Caldera 在收购完成的第二天,也就是 1996 年 7 月 24 日直接向微软提出了反垄断诉讼;指控微软虚假宣传、散播谣言和恐惧、颁布排他性许可和人为捆绑软件。其中一项指控是微软为了消除竞争而将 MS-DOS 7 和 Windows 4 捆绑在一个产品(Windows 95)中,另一项指控是微软修改了 Windows 3.1,使其不能在 DR DOS 6.0 上运行。几位行业专家透露,微软将加密代码(即 AARD 代码)置于五个原本不相关的微软程序中,以防止 DR DOS 在 Windows 3.1 的预发布(测试版)中运行。

2000 年,微软在庭外达成和解,金额未披露;在 2009 年,这份和解金额被披露为 2.8 亿美元,而 Caldera 当时起诉时用到的证据已经在 2003 年被销毁——原告曾维护了一个名为 iowaconsumercase.org 的网站,其中包括每日的媒体更新、前一天诉讼的完整文本,以及追溯到 20 世纪 80 年代的大约 2000 件被指控的不当行为的证据档案。而该网站上的资料却在一夜之间消失。微软在公司历史上已经被卷入过许多引人注目的法律事务,包括各种针对美国、欧盟和竞争对手的案件;你如何看待围绕微软的这些诉讼案件呢?欢迎在评论区参与讨论。

资料来源:维基百科

2006 年 7 月 24 日:AMD 宣布收购 ATI

在这里插入图片描述

图源:维基百科

ATI Technologies Inc.(通常称为 ATI)是一家总部位于安大略省万锦市的加拿大半导体技术公司,是一家专门设计与销售适用于个人电脑、机顶盒、数字电视、电子游戏机及手提式设备等的显示芯片、芯片组的无厂半导体公司。2006 年 7 月 24 日被美国的 AMD 公司全资收购。ATI 被收购前在北美、欧洲和亚洲等地曾拥有超过 3,700 名员工,2006 年时营业额仍有 22 亿美元之巨,后来 AMD 方面集成后,最终成为其显卡部门,并保留 Radeon 品牌进营销售。

在 2006 年 7 月 24 日,ATI 被 AMD 以 54 亿美元收购,于 10 月 25 日收购完成,最终收购价格为 43 亿美元现金,另加 5800 万 AMD 普通股购买 ATI 所有普通股,摩根斯坦利还另外贷款 25 亿美元予 AMD。收购后,AMD 一直保留 ATI 品牌,作为旗下绘图卡业务的子品牌。直到 2010 年 8 月,在发布 Radeon HD 6000 系列显卡的同时,AMD 宣布放弃 ATI 品牌。不过在 2015 年,AMD 又将其绘图技术事业部门单独命名为 Radeon 事业部——Radeon 是 ATI 也是其被收购后一直沿用的绘图芯片品牌。

资料来源:维基百科

2013 年 7 月 24 日:谷歌推出了 Chromecast

在这里插入图片描述

图源:维基百科

Chromecast(网络上又简称 CC)是 Google 在 2013 年推出的一款数字电视棒,运行精简版 Chrome OS 操作系统。主要功能为将传统电视、显示器等升级为网络电视,使其具有播放网络媒体的功能。第一代 Chromecast 发布于 2013 年 7 月 24 日,以 35 美元的售价在 Google Play、亚马逊和 Best Buy 上出售;当日,Google 同时公开发布了名为“Google Cast SDK”的软件开发工具包,允许开发者为应用软件嵌入适配于 Chromecast 的版本,实现适应电视的人机交互。

Chromecast 是一款仅有 2 英寸(72 毫米,5.08 厘米)长的小型设备,运行简易版的 Google Chrome OS。通过连接 WIFI 信号并插入高清电视的 HDMI 接口,Chromecast 可以将其他设备上的内容镜射到电视屏幕上。支持使用的操作系统包括 Android、Chrome OS、Windows、iOS、OS X 等,个人电脑、智能手机和平板电脑透过指定的 APP 即可将视频和音频传输至电视端,Google Play、YouTube、Netflix 是官方最早公布的支持 Chromecast 的应用服务。

以史为镜,可以知兴替。计算机科学发展至今,有许多至关重要的事件、人物。在《新程序员:我们的技术时代,我们的程序人生》中,来自四十余位技术人跨越半个世纪,用代码敲出一个个真实的程序人生故事!

扫描或点击《新程序员:我们的技术时代,我们的程序人生》订阅!

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值