生成对抗网络（GAN）的图片生成能力已经到了令人叹为观止的地步。比如：
以及这些：
这些惟妙惟肖的人脸图片都不是真实的照片，而是由英伟达公司的StyleGAN自动生成的。
除了生成可以以假乱真的人脸以外，我们与北航智能计算与机器学习实验室(http://dsd.future-lab.cn) 合作提出了GAN的另一种用途——用于语义分割任务的数据增强。大家都知道，数据集的标注一直都是一项耗时耗力的工作，特别是对于语义分割任务中像素级别的高精度数据而言。另一方面，数据集中普遍存在着类别不平衡的问题：一些类别总是频繁的出现，而另一些类别在数据集中的占比却少的可怜。利用GAN强大的图片生成能力，提出了一种用GAN来生成数据的策略，可以较好地解决数据标注困难以及数据集类别分布不平衡的问题。
该方法利用GAN这一类的生成模型作为数据生成器，将语义标签图转换为增补数据集。这样我们通过对语义标签图进行操作，就可以实现对特定类别的增加。并且在GAN的帮助下，可以以极高的效率生成新的数据。实验结果表明，借助该数据增强方法，可以将语义分割网络的分割准确率提升2.1%左右。
In-App Purchase（以下简称IAP）是苹果为开发者提供的应用内购服务。Keep于17年初接入In-App Purchase，功能上线后暴漏出严重的丢单问题，丢单概率大概在百分之一。丢单问题在多人多次优化后仍未能解决，成为Keep客户端的顽疾。直至最近的两次优化彻底根治了丢单问题。本文中笔者将循着Keep客户端解决IAP掉单问题的两次优化之旅跟大家分享排查问题的思路以及最终的方案。
阅读全文
Keep 自 2015 年 2 月上线以来，现在已影响了超过 8000 万人的运动习惯。作为一家初创公司，Keep 在媒体上并不算十分活跃。外界关注到 Keep 大多是因为 Keep 的用户增速、公司融资速度，最近的则是苹果公司 CEO Tim Cook 参观 Keep，以及 Keep 发布 4.0 新版本宣布由『移动健身教练』向『自由运动场』转型。归根结底，Keep 被人关注的根本是用户对 Keep 产品的认可，而受人喜爱的产品背后必然要有可信赖的技术开发做支撑。
接下来的这篇文章，是 Keep 技术团队对外的首次分享，包括 Tim Cook 来访时与 Keep 技术团队之间的互动，技术团队的工作流程以及 iOS 技术上的一些分享。另外，如果你有兴趣加入 Keep 的技术团队，可以在文末查看招聘信息。
