在 Fedora Project 邮件列表中，Red Hat 工程师 Dennis Glimore 提醒 Fedora 15 的用户，该版本将在6月26日被终结。从那天起，他们将不再发布任何更新和修复，包括安全修复，也没有新的软件包加入。

Fedora 15 是在2011年5月24日发布的，它是第一个采用 GNOME 3 桌面环境的主要发行版，并且使用了 systemd Linux 初始化系统。它同时改进了对 Btrfs 文件系统的支持，改进了 SELinux 问题跟踪系统，和更好的电源管理。

原文链接，OSChina 编译

KDE e.V. 本着KDE——世界范围内最大的和最有影响力的自由软件社区之一，有着成千上万名志愿者贡献者和不计其数的用户——的利益，回应了英国开放标准咨询部（United Kingdom Open Standards Consultation）。开放标准同KDE社区的目标息息相关，尤其是在数字自由和公益贡献等方面；专利躁狂和恶意许可条款正威胁着KDE和其他自由软件项目。
KDE e.V. 回应 (pdf)致力于说服开放标准咨询部，为社区驱动的和商业的软件解决方案创建一个公平的竞争环境。一个真正开放的标准应能促进竞争并为政府及其公民提供实质性的利益。
咨询部提出的主要话题：

• 鉴定开放标准的关键组件
• 为考虑强制开放标准提供环境与细节判断依据

KDE回应的重点是，我们认为，如果一个标准允许并鼓励自由软件的四大自由（由自由软件基金会所定义）的实现，则我们认为它是自由的。我们鼓励英国政府在授权标准时采用此判断依据。

出处：Linux人社区>英文资讯翻译专版.编译

说起最流行的Linux系统，当然非Ubuntu莫属。但是据 DistroWatch.com网站显示，增长速度方面，基于Ubuntu的Linux Mint可是要超过乌班图啊！

就在本周Linux Mint才发布Mint 13系统，现在Mint更是和Compulab合作推出了采用Mint Maya系统的无风扇的迷你PCMintBox。

MintBox采用AMD的T40N和T56N芯片，相应的产品价格分别为476美元和578美元。

除了配置了AMD的低功耗处理器，这个MintBox还内置Radeon HD 6290显卡以及USB 3.0/eSata接口。

为了保护小朋友的纯洁心灵，不让他们过早地接触不和谐的内容，程序员们开发了很多自动识别色情图片和AV影片的电脑软件来过滤这些信息。那么，你知道这些“绿坝娘”们都是怎么工作的吗？

是不是色情作品，一般人扫一眼心里就有数了。但对电脑来说，它们可不会自己分辨屏幕上那对男女是在谈情说爱，还是在宽衣解带。想让电脑知道哪些东西 是不和谐的，还得靠程序员们的调教。不过，想教会电脑看AV并不是一件很容易的事情，因为机器没有七情六欲，没有感情，没有性冲动，唯一能接受的只有各种 数据，程序员们要做的，就是让电脑识别色情作品特有的数据特征。

识色、辨形、听声

我们知道，每张图片里的任何一个点都包括亮度值、色相值、饱和度值，通过这三个值的大小的范围，电脑就能识别出“肉色”，进而猜测出图片里裸露的人 体皮肤区域。 而那些“色图”相比于正常图片，最明显的特点就是画面像素中人体皮肤的颜色所占的比例比较大，整张图片比较“黄”，确切地说，研究者发现虽然不同肤色的主 角在光线明暗不同环境下拍出来的皮肤颜色不尽相同，但是画面里人体皮肤的颜色总是在一定的范围内。另外，研究人员还发现暴露的区域图片一般纹理值比较小， 颜色比较平滑，这也可以作为判断人体皮肤的依据之一。

电脑自动识别出图片里的人体皮肤区域。（图片来自原研究 ）

计算肤色区域的几何关系。 （图片来自原研究 ）

当电脑“看到了”图片上有类似于人体皮肤颜色的一些区域之后，需要进一步确定这些区域的来源，看看它们是没穿衣服的女主角，还是来源于正常物体。假 设两块黄色区域分别是两条腿或两只胳膊，另外一块区域是人的身体，这些区域的长度值、宽度值必须符合人体的大小比例，之间的位置必须满足一定的几何关系， 这些都可以依靠电脑的计算得出结果。如果这些区域之间大小和位置不像是人的身体，就可以排除掉色情图片的嫌疑了。

把肤色和人体构造比例这两招教给电脑是研究者最先想到的解决方案，也是应用得最多的图片自动扫黄方法。凭借这两个简单而有效的主意，美国爱荷华大学和加州伯克利大学的研究人员在1996年发表了一篇名为《找到裸露的身体》（ Finding Naked People ）的论文（有点标题党的嫌疑）。

后来，世界各国对于此领域情有独钟的研究人员又想出了各种各样提高识别AV图片准确率的方法。

例如斯坦福大学的研究者通过对图片进行“小波分析”（编者按：这只是一个数学方法的名称）可以把色情图片里的人体轮廓提取出来，由于同一个女主角可 以被摄像机从不同的角度拍摄，研究者还对提取出的轮廓进行了平移、转动、伸缩的数学变换。接下来，比对被测试的画面提取出的数据和几百张真正色情图片数学 变换提取出的信息，两者越接近就说明被测试的图片越可能是色情图片。这样就能让电脑来判定被测试的图片里，不和谐内容出现的概率大小。

提取图片里的人体轮廓。（图片来自原研究 ）

而中科院自动化研究所的研究人员提出的方法里，为了识别电影里是否有限制级片段，可以先分析一下电影里是否含有限制级的声音。他们收集了592段 “声优”的声音片段，然后分析了这些声音信号的十几项参数。根据需要被测试的声音片段的各项参数与这些例子的接近程度，可以计算出一个声音片段是“限制级 声音”的概率，如果概率足够大，就要检查声音对应的视频画面有没有问题了。

错杀与漏放

在此类研究中，各个研究论文里都提到了作者测试了大量的样本，收集了包括几百部、上千部高清无码的片子和正常的片子（看来这一类研究做起来还是蛮有 意思的，工作之余还可以欣赏一下影片），有的研究识别准确率可以达到90%以上，不过电脑的人工智能还是经常有失手的时候，把正常的画面冤枉成AV画面， 或者让真正的“咸湿图片”漏网，市面上此类的软件也都不免有“看走眼”的问题。

比如下面三张图片就是此类软件算法出错的例子，让无辜的图片受冤屈。图片(a)（b）因为整张图片颜色“太黄”了，很像人皮肤的颜色，被电脑误判；图片（c）大老爷们光着膀子的画面让电脑来区分是否属于色情就颇有难度。此外，动物和雕像的图片也容易被错划入不健康图片。

让电脑迷惑的图片1（图片来自原研究 ）

与此相反，以下三张应该被处理掉的图片却因为背景颜色纹理过多或者清晰度不够高而漏网

让电脑迷惑的图片2（图片来自原研究 ）

由此可见，要想给视频和图片来个靠谱的自动分级，还需要让电脑更聪明才行。

PS： 相信以后计算机会在这个领域取得新的进展，不过至少目前的常用方法，还是通过征募一些有牺牲精神的壮士，进行人工鉴定来实现的。

PPS：当绿坝娘擦枪走火…… 你懂的，有图有真相。

参考资料：

1. Fleck, Margaret M., David A. Forsyth, and Chris Bregler (1996) “Finding Naked People,” 1996 European Conference on Computer Vision

2. Haiqiang Zuo, Ou Wu, Weiming Hu, Bo Xu;RECOGNITION OF BLUE MOVIES BY FUSION OF AUDIO AND VIDEO 3.Wang, J. and Wiederhold, G. and Firschein, O;System for Screening Objectionable Images Using Daubechies’ Wavelets and Color Histograms

6月1日，百度董事长兼CEO李彦宏在出席百度联盟峰会时对当前移动互联网的投资热潮发出警示。他表示，移动互联网热潮的背后，广告、游戏、电商三种主流的商业模式并未成熟。他笑称移动互联网的现状就像在酒驾，很刺激，但是很危险。

“移动互联网面临各种各样的挑战，但是我们看到无数的人在往上冲，各种各样的开发者、互联网公司，大家都觉得移动互联网是未来，一定要占到一块地。”李 彦宏说，每个人都很兴奋很乐观，但没想到挣钱很难。他说，做这件事需要谨慎，需要认真考虑未来它的商业模式应该是什么样子。