关于 昆明代做入职体检报告〖微电15292128512〗zfdvb 的搜索结果,共888
金****洲 2018-07-09
百度安全实验室|机器学习对抗性攻击
这是因为迭 方法对原图像使用了更妙的调整,而这些调整在外界图像转化过程中更容易被毁坏。 作者还分别测试了亮度、对比度、高斯模糊转化、高斯噪音转化和JPEG 编码转化量度, 对各个对抗性图像方法的毁坏程度。具实验结果请参见他们的论文[1]。 2.2 Exploring New Attack Space on Adversarial Deep Learning 来自UC Berkeley 大学的Dawn Song 教授和刘畅博士介绍了对抗式深度学习在除 了其他领域的攻击和防御。其中Dawn Song 教授是Taint Analysis 理论的主要贡献者 之一,还是美国“麦克阿瑟天才奖”获得者。在现场,专家们首先拓展了对抗性深度学 习在图像识别测上的应用,然后还提出构造对抗性图片的优化方法-ensemble 黑盒攻击算法[6]。 在图像识别物测中,如图3 左图所示,深度学习可以用来测图像中不同的物 以及他们之间的关系并自动生成说(Caption) [2]。在这种场景下,对抗性图像攻击 同样可以欺骗机器学习模型,并给出异常的说,如图3 右图所示。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
我们有很多任务,每个任务输是多源的,包括激光雷达、图像等。如果要用 Apollo 搭建感知系统,如何选择传感器、传感器配置?希望它什么任务。 这是三种基本传感器的效果对比,LiDAR 是激光雷达,Radar 是汽车通用毫米波雷达,Camera 是摄像头。绿色得好,黄色得普通,红色得差。最后,说了三种传感器融合效果是最好的。 那么 ,感知系统开放模块怎么? 点云感知。开放了 LiDAR 点云测,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,它可以到精准测和识别。而深度学习非常耗费计算量。需要依靠搭建的车载智能系统,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。然后建立快速的表格,根据感知的距离扩大坐标区域。之后对俯视图进行网格化,网格化参数可以在 Apollo 进行配置。最后输送给障碍物测。 障碍物测。分为特征抽取、点云测、点云聚类、后处理、闭包提取。
l****m 2018-07-10
五年前的预言——2012年云计算时的运维位展望
我在写一篇新的文章,其中会引用到这篇2012年的旧文,所以我原样摘抄下来,很庆幸能转型进云计算这个行业。 云计算的时正在来临,运维的工作也将在今后几年中发生翻天覆地的变化。 如果你是一个能给自己主的人,你必须看清形势顺势而为,在变革的时埋头苦干仍然保证不了你的正常生活;如果你是一个弓骑兵,无论你怎么勤学苦练都打不过坦克手的;铁达尼号上的乘客无论多有钱,总是免不了泡进海水里的。 首先,我作为一个运维为何唱衰运维这个业。 我们运维靠什么能力在公司里自立哪? A.关心硬件和施工; B.关注网络问题; C.擅长系统和服务的调试维护; D.相对与架构师/DBA的价格优势; E.快速可靠的响应. 大家看看云计算能给企业带来的好处。 A.硬件完全免维护; B.网络接近免维护; C.系统、服务接近免维护; D.无论是硬件还是人力成本都很廉价; E.可靠性高于个人。 我们会发现,云计算的目标就是要的比运维人员更好,好到“不用关心”的地步。从技术上来说,各大云计算运营商对通用的Web、RDBMS、存储 服务都是可以到很好的。
TOP