关于 邱茹百度手机排名优化软件q扣1716160940阳信县百度地图 的搜索结果,共805
l****4 2020-08-27
强烈建议优化百度carLife 语音识别问题
太差了,还是哪个吗?好山寨的车
也****里 2020-08-29
百度carlife不能跟百度地图同步收藏夹非常不方便请改进!
啥时候同账号的情况下,carlife和历史轨迹数据同步到一起
C****X 2018-07-10
群雄逐“”,缘何备受关注?
关于高精怎么说 作为致力于高精研发的科技企业,内部人员一表示将高精看做是Apollo 云端服务的核心数据,足知关键! 提起高精在自动驾驶体系的重要作用,Apollo布道师认为,在路径规划、环境感知方面,路况是除了障碍物之外最基本的一个需要被感知的条,但是道路识别却非常困难。 如果依靠传感器来识别,例如激光雷达,识别车辆在哪条道路上、哪条车道上,其实是非常困难的,因为免不了会出现积雪覆盖、雨雪、大雾的情况。这种情况出现后,相识别、视觉方案,还有激光传感器方案,硬辨别就变得不那么可靠了。 这时候谁可以清楚知道具体车道的位置呢?只有高精!所以无人驾驶系统,就从单一传感器角转向高精寻求依赖。 高精势就在于提供车道级别的区分,可以在变道的过程中提供若干个参考的车道、区域的变、自动车道的辅助息等来完成变道、变向的部分操作。 有关高精的数据问题 都知道高精需要很强大的数据实时更新功能,那么如何破解数据带给的诸多问题呢?无外乎从两个方面入,一方面是数据采集,另一方面是数据处理。
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
在深学习基础之上,大脑通用AI能力开放涵盖语音、视觉、自然语言处理、知识谱等全面AI技术。 语音方向:语音方面推出了语音识别极速版,首次对外开放搭载国际领先的注意力(attention)模型的语音能力,拥有更快的响应速,相对识别准确提升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车,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、车辆分析、人脸人体、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识别,然后反馈出息页的出生、出生日期、姓、民族、与户主关系、性别、身份证号码。而票据OCR和汽车场景OCR也分别新增了行程单、保单、通用打发票、定额发票、车辆VIN码、动车销售发票、车辆合格证等识别能力。
x****7 2018-07-10
从外行进阶专业 传统企业AI转型差的可能只是一个EasyDL
佛山供电局输电管理所将存在桩、吊车、挖掘、运货运水泥大型车的现场1000张隐患像,使用EasyDL定制像识别进行训练,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车、挖掘等外部隐患,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,是一家生产汽油电喷系统的公司。为汽车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之一。 依托EasyDL定制训练和服务平台,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,先通过自动系统上传每次采集待测样品片,然后实时上传已通过的识别模型进行判定,再返回相应的处理结果,最后由自动系统将样品进行分类流转。
不****主 2018-07-09
高精
Apollo高精的构建 高精的构建由五个过程组成:数据采集、数据处理、对象检测、动验证和发布。 数据采集是一项庞大的密集型任务,近300辆Apollo测试车辆负责收集用于制作的源数据,以便确保每次道路发生改变时,均会得到快速更新。测试车辆使用了多种传感器,如GPS、IMU、激光雷达、摄像。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收集各类数据将这些数据融合,最终生成高精。 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息或注释的初始模板。 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,其中包括车道线、交通标志、甚至是电线杆,动验证可确保自动创建过程正确进行并及时发现问题。Apollo使动验证团队能够高效标记和编辑,在经过数据采集、数据处理、对象检测、动验证之后,高精才能发布。 除高精外,Apollo还发布了采用自上而下视的相应定位、三维点云
M****H 2018-07-11
故障定位场景下的数据可视实践
干货概览 拥有上条产品线,数十万的服务,每个服务时时刻刻都在产生着海量的监控数据,形成的监控项规模总数已达数十亿。面对如此海量的数据,在日常运维(如故障诊断、成本分析、性能等场景)过程中,传统的统计表难以有效直观展示如此庞大的数据。因此,秀的监控数据可视产品就呼之欲出,他既要数据准确、全面、时效性高,也需要提升用户的使用体验,使其能在茫茫数据中一眼就能发现想要观察的数据。 那么怎么做才能适应用户需求、完成精准展示,同时又能挖掘数据价值呢?下面我们从故障诊断的场景出发,来看智能监控平台是如何充分利用数据可视武器来解决实际业务问题的。 故障定位可视思路 在标准的故障处理流程中,故障定位一般可分为两个阶段: 故障止损前:期望可以快速获得可用于止损决策的息,做出相应的止损操作使得服务恢复。比如通过确定故障范围,调流量绕过故障房或摘除故障实例等。 故障止损后:仍需要进一步找到导致故障的深层次原因,确定故障根因,将线上环境恢复到正常状态。
3****3 2018-07-10
智能运维工程架构
背景:为什么要做智能运维 云智能运维团队在运维工具和平台研发方向历史悠久,支撑了全数十万规模的服务器上的运维服务,所提供的服务包括服务管理、资源定位、监控、部署、分布式任务调等等。最近几年,团队着力于发展智能运维能力以及AIOps产品建设。 众所周知,除了搜索业务之外,还有很多其他的业务线,有像科、知道、网盘这样的老牌业务,也有诸如像教育、医疗这样的新兴业务,每个业务在规模上、服务架构上都有很大差异。业务本身对稳定性的要求很高,需要保持99.995%的高可用,同时在业务上云的背景下,虚拟、混合云等都给我们带来了新的挑战。 运维经历了从脚本 工具、基础运维平台、开放可定制运维平台到我们现在的智能运维平台,这样四个阶段的转变。过去运维的核心目标是提升效果,比如持续交付的速、服务稳定性、运营成本等。
金****洲 2018-07-09
安全实验室|器学习对抗性攻击报告
MFC 算法是将音频从高维到低纬的一个变换,从而过滤 掉一些噪声,同时保证器学习能够操作这些输入。但是从高维到低维的转过程中,不可避免会丢失一些息。相对应的,从低维到高维的转,也会多添加一些噪声。 黑盒攻击的原理正是攻击者通过迭代,不断调整MFCC 的参数并对声音进行MFCC 变换 和逆变换,过滤掉那些器不需要,而人类所必须的息,从而构造出一段混淆的语音。 因为MFC 算法被大量用于语音识别这个场景,所以该攻击模型仍保证了很强的通用性。 该具体步骤如4 所示,感兴趣的读者可以参见他们的论文[3]. 6 对抗性语音黑盒攻击模型[3] 在实验中,作者发现使用的语音识别系统只能识别3.5 米之内的语音命令。在扬声 器和的距离控制在3 米的情况下,表4 统计了人类和器对不同命令的识别的比 例。平均情况下,85%正常语音命令能被语音识别。在他们的混淆版本中,仍有60% 的语音命令能被正常识别。在人类识别类别中,作者使用Amazon Mechanical Turk 服务,通过crowd sourcing 的形式让检查员猜测语音的内容。
拖****的 2020-08-28
百度CarLife关于播放本地音乐的问题
测试了下,目前无损音乐能播的有wav和flac,ape格式的仍然无法播放,我的是“mate30 5G”版,上装的app是应用市场里最新的“CarLife+”。
w****0 2018-07-11
房故障自愈-黎明之战
同时流量调也无法使得服务恢复正常。 要求:将服务拆分为若干不同的逻辑单元,每个逻辑单元处于不同的物理房,均能提供产品线完整服务。 3.服务不满足N+1冗余 描述:任意单个房故障时,其余房剩余容量不足以承担该房切出的流量。 问题:流量调导致其余房服务过载,造成多个房服务故障,造成更大范围的影响。 要求:容量建设需要对于每个逻辑服务单元都要有明确的容量数据,并具备N+1冗余,即任意房故障情况下,其余房均可承载这部分流量,同时需要保证服务变时及时更新数据和扩容服务,避免容量数据退。同时对于流量的变趋势,也需要有提前的预估,为重大事流量高峰预留足够容量(如节日、运营、假期)。 4.服务关联强耦合 描述:上下游服务使用固定IP或固定进行直接连接。 问题:单房故障发生时,关联的上下游之间无法进行快速的流量调止损。 要求:线上服务关联不允许使用固定IP或链接,需使用具备流量调能力的上下游连接方式以实现上下游依赖解耦,下游服务发生单房故障,可以快速调整路由比例实现止损。
1****0 2020-08-28
【求助】如何让小度音箱播放电脑里或者手机里指定的音频文件
如何让小音箱播放电脑里或者里指定的音频文
1****9 2018-07-11
【强势出击】第二期大脑体验师来袭
4月25日,大脑开放日第二期正式开启 与第一期有所不同,第二期大脑开放日,介绍了多种通用 AI新 能力;除此之外,还推出了两个新的定制训练平台-帮助开发者更简单高效训练出满足细分场景的业务模型。 无论你是资深AI开发者,还是AI初体验者,加入“大脑新品体验师计划” 分享改进建议、使用技巧/攻略或者有价值有意思的案例,与我们一起推动大脑进,帮助他人一起成长,探索AI前沿应用。 我们将评选出“最佳”的内容和开发者,发布获奖公告、颁发大脑定制礼品、现金礼品卡等多重奖励! 【征集内容及要求】 产品改进建议或者您对大脑AI的新需求:描述清晰、字数不限 使用技巧 攻略:接入流程清晰具体、可读性可参考性强,不少于500字 有价值有意思的案例:场景、应用价值明确、文结合,不少于500字 【参与方式】 在AI社区“经验交流”版块发帖:http://ai.baidu.com/forum/topic/add?
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
Master端主要做复杂的任务调和管控逻辑,并且所有功能都是模块设计,用户可以根据自己的需求定制安装,包括虚拟容器管理,应用包管理、部署、扩缩容、拓扑搭建和保活,集群控制等。 Agent端则以简单为原则,弱繁琐功能,仅作为任务的执行器,其中的supervisor组,结合父子双进程原理,做到自升级和自保活,把云运维人员的工作量降到最低。 整个系统的工作流程也十分简洁雅!Agent通过定期心跳的方式,与Master进行通,在心跳发包中发送本状态息,在心跳回包中获取Master期望的本状态plan,并把期望plan与本实际plan进行对比,针对有差异的方做相应修改,使二者保持一致,从而保证集群中所有器最终状态一致。 总之一句话,一朝HALO在,从此不用发愁。所有运维需求,直接调用接口。 结 语 为了防止大规模集群被破坏,为了保护集群世界的安全,贯彻高效和简单的运维理念,这就是我们新一代的基础设施管理引擎HALO。 亲爱的读者如果你看到这,恭喜你在有意义的事上花费不止1分钟。
红****2 2018-07-10
故障自愈器人,保你安心好睡眠
干货概览 在大型互联网公司中,单房故障因为其故障时间长、影响范围大,一直是互联网公司运维人员的心头之痛。在传统的运维方式中,由于故障感知判断、流量调决策的复杂性,通常需要人工止损,但人工处理的时效性会影响服务的恢复速,同时人的不可靠性也可能导致问题扩大。 为了解决这类问题,我们针对内外部网络环境建设了基于智能流量调的单房故障自愈能力。结合外网运营商链路监测、内网链路质量监测与业务指标监控构建了全方位故障发现能力,基于统一前端(BFE)与字服务(BNS)实现了智能流量调与自动止损能力。同时,基于实时容量与实时流量调自动止损策略与管控风险,实现了任意单房故障时业务均可快速自愈的效果。当前此解决方案已覆盖搜索、广告、息流、贴吧、等众多核心产品的单房故障自愈场景。 单房故障频发影响业务可用性 回顾近2年来各大互联网公司被披露的故障事,单房故障层出不穷。
TOP