英特尔® Software Innovator 计划主页

英特尔® Software Innovator 计划

开发人员亮点

开展国际妇女节和发育残障宣传月

为向发育残障宣传月表达敬意,我们正为有助于提高残障者生活质量的技术创新开展项目和活动。 而且,连续三年,我们通过赞助各类活动来庆祝国际妇女节,这些活动激励并表彰全球技术领域的妇女。



特选创新者


明日之创新者:Paul Langdon

该每月秀重点介绍英特尔® Software Innovator 计划中的开发人员。 在本期秀中,我们访谈 Paul Langdon 并聆听他介绍他在智能手表和家用设备、AWS DeepLens* 及美国康涅狄格州哈特福德的创客社区方面的工作。


Pachyderm*:数据版本管理和流水线

Pachyderm* 开源内核使可持续数据科学工作流程得以经由一个语言无关的系统实现数据版本管理和流水线。 创新者 Daniel Whitenack 的项目使用容器 (container) 于分析和分布式处理。 该项目还将数据起源用于机器学习及 Kubernetes 上的人工智能流水线和数据管理。 本质上,Pachyderm 对数据的功能,就如 GitHub* 对代码的协作性和再现性的功能。


明日之创新者:Peter Ma

在本期秀中,我们访谈 Peter Ma 并聆听他介绍他在黑客马拉松中难以置信的连胜。 Peter 讨论了他的一些项目的灵感,例如 Anti-Snoozer(一种惊醒打瞌睡驾驶员的设备)和 Vehicle Rear Vision(一种使用英特尔® 实感™ 摄像头的设备)。


投入虚拟现实领域,创作虚拟现实内容

Chronosapien 公司的 Justin Link 从开发人员角度讨论了在创作虚拟现实内容中面临的一些挑战。 他显示了他的团队采取的改变进程的方法,使内容创作更高效、更有效、更具协作性。


Vitruvian 游戏 Wingsuit —— 虚拟现实自动化

阅读 Paolo Moro 及其团队如何利用多种技术(包括 HTC Vive*、Steam* VR SDK 和 Unity* 软件)创作了飞行衣飞行模拟器, 用户用操纵杆控制飞行,并背上由电池操作的无线创建虚拟现实的背包。


明日之创新者:Lilli Szafranski

本期秀介绍 Lumina Labs 的 Lilli Szafranski,并看看她的项目 Stoicheia。 该项目使用一种连续的随机软件算法来控制 2,200 多个 LED 灯,将古典的艺术装饰与先进的现代技术结合于数字彩色玻璃十二面体上。 Lilli 希望她的作品有助于人们认识软件开发不只是书呆子的活儿——软件开发极富创造性,无比美妙。


Underminer Studios 和 DeveloperWeek Austin

Underminer Studios 的 Tim Porter 和 Alex Porter 演示了一种虚拟现实 (VR) 治疗工具  直面恐高症。 为了充分利用英特尔® Graphics Performance Analyzers(英特尔® GPA)来优化开发人员项目,他们还主办了一次黑客马拉松挑战赛。 这两位 Porter 被视为虚拟现实优化技术的专家,他们致力于吸引玩家对以虚拟现实和增强现实为基础的游戏的兴趣,并向他们介绍开源工具。


明日之创新者:Pedro Kayatt

在本期秀中,我们访谈 Pedro Kayatt 并聆听他介绍他在虚拟现实方面的工作。 Pedro 通过将教学与游戏相结合,把高质量虚拟现实体验带给每一个人,并与学校合作使技术和体验更容易访问。 Pedro 讨论他目前正在开发的游戏,以及他和他的团队如何创建了 Dinos do Brasil,这是带领您穿越恐龙世界的虚拟现实体验,现在已成为巴西最大博物馆的永久展品。


程序员、教育工作者、开源热衷者 Johnny Chan

与那些不断追求更多知识的人们一样,Johnny Chan 总是渴望学习和尝试新鲜事物。 他分享了自己通过博客和论坛投稿来帮助正在学习新技术的学子如何更方便地学习。 Johnny 还简略介绍了自己和他的项目。

Show Fewer Stories

显示较少案例 ›

 
创新更新

在仓库中递送包裹的无人机使用无人机和物联网监控仓库

作为监控仓库的成本效益的途径,Shriram KV 使用四轴飞行器来提高效率。 大量库存损失由效率低下的手动监控技术造成。 一种可负担的、准确的、可行的选项是使用在仓库内飞翔的无人机来跟踪物品,提供更新,以及消除库存损失的机会。


饲料槽边的松鼠和两只鸟边界处的递归性机器学习:训练鸟种识别器的案例研究

创新者 Paul Langdon 使用现有的图像识别模型构建了一个扩展鸟类分类器的二级种库。 该二级种库导致了一种用于鉴别特定鸟种的更特异性的模型。 该方法学可方便地适用于任何次分类场合。 它在使用 AWS DeepLens* 机器学习平台(配合 AWS Greengrass* 和 SageMaker)于边界处收集现场数据的同时,提供模型训练的自动化。


爱莪和欧罗巴玩家IoEuropa 游戏

创新者 Mark Stumbris 正在寻找合作者以帮助将虚拟现实和人工智能融汇入这款开源的教育性游戏,该游戏令用户质疑战争和社会经济标准。 在这款游戏中,当贸易协议和更邻近的轨道以对其环境变化无常的方式将丘比特的卫星爱莪和欧罗巴放在一起时,他们之间爆发了冲突。


AWS DeepLens 工作流程图在英特尔® NUC 迷你电脑上自己动手实施 AWS* DeepLens

Paul Langdon 显示如何使用英特尔® NUC 迷你电脑和 AWS* DeepLens 构建自己的机器学习开发人员套件。 该项目演示您在边缘处实施计算机视觉的第一个训练模型的硬件设置和安装。


介绍 Killing Zombies with Friends 游戏的截屏Killing Zombies with Friends —— 一款本地的多玩家虚拟现实游戏

您是否能在这个毁灭性场景中生存下来并获得最好结果? Pablo Farias Navarro 创作了 Killing Zombies with Friends(和朋友一起杀僵尸),这是一款本地的多玩家游戏,其中玩家们共享同一个虚拟现实头戴式设备。


与会者使用虚拟现实赛车模拟器英特尔在印度尼西亚赞助的虚拟现实赛车运动模拟器

Firmansyah Saftari 最近开发了一款用于虚拟现实赛车游戏的运动模拟器平台,他在英特尔于印度尼西亚赞助的 Gaming Laptop Promo 活动中展示了该平台。 他只用了 22 天就完成了这个二自由度 (2DOF) 模拟器项目,该模拟器搭载一个 Arduino* 微处理器,配备一个 42 英寸曲面 UHD 电视机作为显示器、HTC Vive* 虚拟现实装置和 Steam* 的 Project Cars 虚拟现实游戏。


Wonda VR 徽标 Wonda VR

Wonda VR 便于内容创作者和机构在任何虚拟现实平台上创建及分享极其吸引人的虚拟现实学习体验。 Jeet Raut 创作了 Wonda VR,使得拥有 360° 摄像头和基本视频编辑技能的任何人都能够探索虚拟现实的威力,用于与学习和开发有关的项目。 通过虚拟现实平台发布,不需要昂贵的游戏引擎开发器,更加可负担、可利用。


Sensey library 徽标Sensey:简化的基于传感器的事件和手势检测

Nishant Srivastava 创建了一个 Android* 库,使得感应事件及检测手势的操作更简单方便。 该库消除了在 Android 上处理设置基于传感器的事件和手势检测的大部分样板文件代码。 Sensey 曾在 CodePath 发布的 Must Have Libraries List(《不可或缺的库清单》)、COBE 发布的 Top 5 Android Libraries(《五大 Android 库》)和 CloudRAIL 发布的 Best Android Libraries for Developers(《开发人员最佳 Android 库》)中被展示。


剑客皮影木偶图像 Shadow Fencer Theater(皮影剑客剧院)

Alex Schuster 创作了这个在皮影木偶剧院设置中的基于网络的棘手物理击剑游戏,您也来尝试一下吧。 这个有趣而快节奏游戏充满了创造性的人物阵容,使之非常容易上瘾。


一人在玩 ParrotAttacks VR 游戏ParrotAttacks VR

Thomas Endres 和 Martin Foertsch 创作了 ParrotAttacks VR —— 一款用 Unity* 3D 编写的虚拟现实电脑射击游戏。 您的目标是使用 HTC Vive* 控制器在设定时间结束之前射中尽可能多的鸟儿。 这是他们原先的姿势控制游戏的后续,他们计划在将来的发布中整合一个多玩家节点。


Sidekicks 全息人工智能助手截屏Sidekicks Co:第一个全息人工智能助手

Omar Isaac 设计了 Sidekick Co.,作为家家户户都必不可少的人工智能助手。 Sidekick Co. 类似于 Siri*(Apple* 产品)和 Alexa*(Amazon* 产品),而且更进一步,它有一个创意小机器人,用户看得见并能与其互动 —— 这个小机器人不但会回答您的问题,还会开开玩笑。


两位开发人员在挑战赛中操作机器人RoboJackets 的智能地面车辆竞赛机器人

Daniil Budanov 的团队 RoboJackets 每年参加智能地面车辆竞赛(一项国际机器人赛事),该竞赛沿着自主导航的室外障碍物场地绕行。 由于竞赛环境的嘈杂和不恒定性质,RoboJackets 提出将他们的车道检测算法转移到使用英特尔® Movidius™ 神经电脑棒的卷积神经网络,以根据可驾驶空间的分段和分类来推断边界。