关于 产品快速宣传hiqq:2810853647海拉尔汽车之家沃 的搜索结果,共899
M****点 2018-07-10
中国云计算现状——
本文是第二篇篇,目标客户是云计算经理和云计算标准用户。我从一个老用户的角度谈谈每种云计算该如何使用,哪些改进是刚需放心吐槽,哪些有内因就是改不了。本文主要说用云的问题,买云的问题在采购篇单聊。 正文 现在是2017年,云计算服务是物理硬件的优质替代方案,客户很认可云计算极低的采购和交付成本优势。这时候我们要少被企PPT洗脑,追求华而不实的远景,这些PR文章的受众是风险投资、客户决策层和创业者。我们应该摸清楚云方案和硬件方案比有什么特点和局限性,客户明白特点才能使用得心应手,客户明白局限性才会早作备用方案,经理心里不慌才会关注核心功能。 一、IaaS IaaS平台的本质是,以做硬件资源的虚拟化为本,业务上承接物理硬件替代需求,其优势是最度最低成本交付,客户为预占的物理资源付费。IaaS是最经典的云计算服务,核心组件是云主机,如虚拟网络、云硬盘和安全组都是为支撑云主机业务而服务的。 本文二十个字前我就说过, IaaS的优势是低成本交付,但是太多的用户户盲目的追求云主机的高可用。
Z****E 2018-07-09
迭代的最后一公里
上面介绍了变更面临的主要问题以及我们对应的解决方案,为了能够让更多的外部用户也能体验到百度高效安全的变更能力,我们将在百度云上提供百度智能变更。届时购买了百度云服务的用户,即可使用该完成业务功能的日常迭代。百度智能变更目前在紧锣密鼓地推进中,预计很就会与大见面。 总结 发布变更作为迭代的最后一公里,其执行效率和执行结果将直接影响功能迭代的效果。当把目光投向实际的生环境,我们发现,在很多企业中变更的执行效果并不能得到保障。针对这种状况,我们结合百度内部的实践经验和总结抽象,提出了包含自动化部署、分级发布和智能变更策略的完整解决方案。这套解决方案将以百度智能变更的形态在百度云上落地,期待与您分享!
j****2 2018-07-10
百度大脑开放日来袭 24种全新AI能力呈现
在深度学习基础上,百度大脑通用AI能力开放涵盖语音、视觉、自然语言处理、知识图谱等全面AI技术。 语音方向:语音方面推出了语音识别极版,首次对外开放搭载国际领先的注意力(attention)模型的语音能力,拥有更的响应度,相对识别准确度提升15%,为开发者带来更极致的识别体验。此外,语音识别预置语义解析全新升级,预置场景由35个升级为51个,从影视娱乐到外卖打,语义解析效果全面提升。另外,还预告了即将推出的几款新,包括语音识别自训练平台、远场语音开发套件和语音离线合成等。 视觉方向:OCR、辆分析、人脸人体、图像识别都有重磅升级。比如卡证OCR新增了户口本、出生医学证明、港澳通行证和台湾通行证四类新能力,可识别卡证总数达到9种。只需对着你的户口本拍一张照片,系统就能字段进行结构化识别,然后反馈出信息页的出生地、出生日期、姓名、民族、与户主关系、性别、身份证号码。而票据OCR和场景OCR也分别新增了行程单、保单、通用机打发票、定额发票、辆VIN码、机动销售发票、辆合格证等识别能力。
h****8 2018-07-10
能力比梦想更重要——企业级服务难寻经理
我们见过很多颠覆性爆款ToC,但ToB都是对旧方案的改良。经理的决策都是要不要抄袭友商、要不要做累计改良,很久才能碰到一次将量变到质变的机会。整个行业要三五年时间才仅有几个人积累出颠覆性业绩,这个环境让带着理想和激情(撞大运)的年轻人如何升级加薪和跳槽哪?我们见过太多ToC明星经理,但你听说过ToB行业有明星吗? ToB很难迭代,客户不会让你每月更新三次业务系统,就算公有云总变更也会总出错,一堆七嘴八舌的“探讨型”助理,戏耍的不是程序员,而是付费企业客户。迭代的慢不需要太多HC,但要求负责人承担责任;招很多参与讨论但不负责任的决策助理,这个死的会更。 ToB的验证周期远长于ToC经理这个月做的构想,研发测试要三五个月,包装又要三五个月,客户部署和回款又要三五个月,只要勤开会多发邮件,这一年的工作日志就够字数了。而且经理每个月都有新想法等待一年后验证,管理者哪能天天统计旧功能的落地情况?
x****7 2018-07-10
从外行进阶专业 统企业AI转型差的可能只是一个百度EasyDL
佛山供电局输电管理所将存在桩机、吊、挖掘机、运货运水泥大型的现场1000张隐患图像,使用百度EasyDL定制化图像识别进行训练,经过3个月的训练,更新了10个版本,最终获得“输电线路外部隐患识别”模型,该模型可以识别出输电线路中存在的吊、挖掘机等外部隐患,目前识别准确率达到80%,超出预期,并且以2-3周更新一次模型的频率持续训练,准确率在不断提升。 源创电喷位于广西柳州,是一油机电喷系统的公司。为动力系统中的关键部件,喷油器质量要求非常高,过去,源创只能用人工肉眼来检测喷油器阀座瑕疵,每日平均检查4000-6000件,峰值是12000件,整个视觉判断工序,需付出4~7人每班的复核人力,是投入出比最低的工序一。 依托百度EasyDL定制化训练和服务平台,柳州源创构建了自己的喷油嘴识别模型,结合原有业务流程和硬件,先通过自动化系统上每次采集待测样图片,然后实时上已通过的识别模型进行判定,再返回相应的处理结果,最后由自动化系统将样进行分类流转。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
同样是图商,四维图新也已经布与企宝马合作,为其在我国销售的提供地图。 我们发现,高精地图领域的入局者基本上可以分为这样几类,以Google 为代表的互联网企业,包括百度;以丰田、特斯为首的企大厂;以Moblieye(已经被英特收购)为主的感器厂商;以及包括 TomTom、四维图新、高德等在内的图商。 不过仔细想想,入局归入局,但是要想玩的比别人都好,成为领先的玩,确实不是一件容易的事儿。 其实对高精度地图的研发,除了在技术上需要攻克一些难关外,更需要站在自动驾驶业链的角度上思考问题。高精度地图是自动驾驶的专属地图,了解的需求或许比“造图”本身更重要。 如果从开发者的角度来看,以百度为代表的互联网企业以及企或许在整合业链资源,全局入手的能力上更占优势。 关于高精度地图的一些based问题 地图,对于人们的日常生活来说很普遍。 通常我们了解的都是用于导航、查询地理信息的统电子地图,这类地图主要服务的是人类驾驶员。 统电子地图 (图片来源于文章《高精地图在无人驾驶中的应用》) 如图所示,统电子地图是对路网的一种抽象表现,将路网抽象成有向图的形式。
不****主 2018-07-09
高精地图
数据采集是一项庞大的密集型任务,近300辆Apollo测试辆负责收集用于制作地图的源数据,以便确保每次道路发生改变时,地图均会得到更新。测试辆使用了多种感器,如GPS、IMU、激光雷达、摄像机。Apollo定义了一个硬件框架,将这些感器集成到单个自主系统中,通过支持多种类的感器,Apollo收集各类数据将这些数据融合,最终生成高精度地图。 数据处理指的是Apollo如何对收集到的数据进行整理、分类和精简,以获得没有任何语义信息或注释的初始地图模板。 对于对象检测,Apollo使用人工智能来检测静态对象并对其进行分类,其中包括道线、交通标志、甚至是电线杆,手动验证可确保自动地图创建过程正确进行并及时发现问题。Apollo使手动验证团队能够高效标记和编辑地图,在经过数据采集、数据处理、对象检测、手动验证后,高精地图才能发布。 除高精地图外,Apollo还发布了采用自上而下视图的相应定位地图、三维点云地图。 在构建和更新地图的过程中,Apollo使用众包向公众发布其数据采集工具,以便任何人都可以参与制作高精度地图的任务,这加了高精地图制作和维护的过程。
1****9 2018-07-11
【强势出击】第二期百度大脑体验师来袭
立即体验人像分割:http://ai.baidu.com/tech/body/seg 立即体验手势识别:http://ai.baidu.com/tech/body/gesture (2)辆分析 新能力——辆属性识别开启邀测,在交通监控方向可以进行特定辆的定位和追踪,为分析预警提供多维度参考依据。 立即体验辆属性识别:http://ai.baidu.com/tech/vehicle/attr 新能力——辆外观损伤识别,针对常见小型,识别辆外观受损部件及损伤类型,可识别数十种辆部件、五大类外观损伤。 立即体验辆外观损伤识别:http://ai.baidu.com/tech/vehicle/damage (3)图像识别 新能力——钱币识别,精准识别中外钱币,支持数百类币种、数千种面额,识别准确率98%以上。 立即体验钱币识别:http://ai.baidu.com/tech/imagerecognition/currency 新升级——红酒识别升级,识别结果增加更丰富的信息,包括:红酒的国区、酒庄、类型、糖分、色泽、葡萄种、尝温度、酒描述等。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
如果要用 Apollo 搭建感知系统,如何选择感器、感器配置?希望它做什么任务。 这是三种基本感器的效果对比,LiDAR 是激光雷达,Radar 是通用毫米波雷达,Camera 是摄像头。绿色代表做得好,黄色代表做得普通,红色代表做得差。最后,说明了三种感器融合效果是最好的。 那么 ,感知系统开放模块怎么做? 点云感知。开放了 LiDAR 点云检测,可以判断点云里的每个点是否为障碍物,障碍物的类型是什么。 感知框架。用的是深度学习,它可以做到精准检测和识别。而深度学习非常耗费计算量。需要依靠搭建的载智能系统,来支撑深度学习模型,以达到毫秒级感知。 高精地图。先以当前的激光雷达作为坐标系核心,把地图中的点投到坐标系里。然后建立的表格,根据感知的距离扩大坐标区域。后对俯视图进行网格化,网格化参数可以在 Apollo 进行配置。最后输送给障碍物检测。 障碍物检测。分为特征抽取、点云检测、点云聚类、后处理、闭包提取。
TOP