关于 医疗行业快速收录软件q扣1716160940海丰县汽车之家殷 的搜索结果,共867
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产品,包括语音识别自训练平台、远场语音开发套和语音离线合成等产品。 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、出生学证明、港澳通证和台湾通证四类新能力,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。
2018-07-10
解密开源这门生意——商角度看开源
本文抛开虚浮的情怀和热情,我们从商和管理的角度看一看开源。 1. 本质是对抗认知垄断 远古期的计算机没有版权概念,每一份代码都是一份全人类都可以学习借鉴的教学数据。 随着商的兴起,商公司倾向于将代码当做秘方保护,引入了版权的概念。闭源实操过程中有如下缺点: IT技术无法跨跨公司进交流,人才培养的很慢; 一个只能在很小可控范围内迭代,的进步度偏慢; 公司的商策略以盈利优先,可能会掐灭技术革新; 一个黑盒化的交付物,交付质量只能靠商信誉保障; 商总是试图建立垄断,黑客们警惕着垄断的恶。 在版权限制下感到压抑的IT精英,自发推动开放源代码的交付方式,其中最出名的是GNU计划。GNU计划的重点是对抗IT技术认知垄断,更自由的传播IT知识;GNU等开源计划既不是为了开源公司的商利益,也没要给参与者发高级技工证书,更不会因为开源而强免费。 在上个世纪程序员人数很少但都是精英黑客,参与开源的目的是以码会友,不会发表太烂的代码,顺着开源社区容易找到技术大师,几个IT高手也容易蹭出商火花。 2.
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。测试辆使用了多种传感器,如GPS、IMU、激光雷达、摄像机。Apollo定义了一个硬框架,将这些传感器集成到单个自主系统中,通过支持多种类的传感器,Apollo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如何对集到的数据进整理、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。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
例如,田和GM等厂商曾在2016 CES展览上展示了自动驾驶云地图的绘制技术。 在日本,零部供应商三菱以及地图商Zenrin已联合国内九主流制造商共同创建了“Dynamic MapPlanning”合资公司,为2020年东京奥运会上的无人驾驶服务提供3D道路高精度地图方面的技术支持。 这么看来,无论是创新的互联网企还是传统的企大厂,都在努力争取高精度地图这场比赛的入场券! 2017年是自动驾驶“元年”,这项颇具潜力的事也让各大传感器厂商们“身先士卒”,积极布局自动驾驶版图,例如Moblieye。尽管现在企已经被英特尔购,但地图的研发工作始终没有被搁置。 地图研发是图商们的老本,他们做的咋样? 据了解,TomTom的高清地图(包括Road DNA)已经做到可以帮助自动驾驶在高驶途中精确定位自身位置并辅助决定采用哪条路线。 不得不说图商的研发进度可圈可点! 聚焦国内,高德早在2014年便开始了高精地图的攻坚战,目前已经将大数据能力以及机器学习能力为基础的AI引擎嵌入其中。
f****8 2018-07-10
2018年云计算展望
被资本催熟的务普遍都会早衰,团购大战、外卖大战、打大战都让我们看到了资本抛弃务的度极,三年后云计算不能拿来给资本画饼了,一些只能烧钱的云计算公司都会被合并和售卖。 但云计算本质上是企服务,并不会出现一通吃的情况,那些能够自给自足的云计算公司,完全可以像韩遂、公孙康、孟获一样割据几十年。当Oracle在数据库领域雄霸天下的时候,DB2、SqlServer、Mysql、Mongodb只是挣得没那么舒服而已,他们并没有被挤死,类似的例子还有企级操作系统、企级咨询服务、企级硬供应商等等。云计算是企服务,企服务从未出现过一通吃的先例,拿个人互联网用户的习惯套到企客户身上是不科学的。 二、一个云半个IT界 云计算的梦想上限是替换掉整个IT中所有的后端环节,整个IT一半的产值都会归属到云计算公司。 什么叫“所有的后端环节”,就是除了直面客户、直面务逻辑的那一部分工作外,其他的环节全部融入云计算平台中。 旧的IT势力在享受的自然增长,优质IDC仍然供不应求,工程师们仍然很好找工作。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
来都来了,不妨看个硬广再走~ 在全拥抱上云的大背景下,如果您的企在各类云场景中存在痛点或困境,欢迎到“阅读原文”了解和联系试用我们的智能运维产品,其中除了有重磅企级运维平台NoahEE,更有我们在智能运维领域的实践和探索! 最后的最后,如果本文能让你乐1秒,请评论,点赞,好看,藏,转发,打赏!祝全不脱发!
x****7 2018-07-10
从外进阶专 传统企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,是一生产油机电喷系统的公司。为动力系统中的关键部,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,峰值是12000,整个视觉判断工序,需付出4~7人每班的复核人力,是投入产出比最低的工序一。 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,结合原有务流程和硬,先通过自动化系统上传每次采集待测样品图片,然后实时上传已通过的识别模型进判定,再返回相应的处理结果,最后由自动化系统将样品进分类流转。
TOP