关于 黑帽寄生代码快速排名_q扣2810853647 泊头百度分享z 的搜索结果,共868
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,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、远场语音开发套件和语音离线合成等产品。 视觉方向:OCR、车辆析、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地、出日期、姓、民族、与户主关系、性别、身份证号。而票据OCR和汽车场景OCR也别新增了行程单、保单、通用机打发票、定额发票、车辆VIN、机动车销售发票、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
训练起来,可能比专业人士还。拿1000张图片使用EasyDL训练一个图像识别模型最只需要8钟;拿1000条音频来训练声音类模型,只需15钟;使用5000条数据训练文本类模型,也只需8钟。 由于EasyDL低门槛、高精、更轻的特点,成为企业受AI红利的首选。 用案例说话:零门槛落地 自2018年4月正式发布以来,EasyDL用户量级迅攀升。 截至2018年12月,EasyDL用户数达到10万,覆盖22个行业,已在零售、安防、互联网内容审核、工业质检、医疗、物流等应用落地,广泛渗透到各种职业场景和细活场景当中。 在EasyDL开发者中,有南方电网这类巨,也有一些中小型企业,他们都能训练最贴合自身业务的深学习模型。 中国南方电网公司广东电网公司直属的佛山供电局管辖范围内,输电线路约4500公里,16000余基杆塔单元,线路附近易发外力破坏的施工点有300余处。
1****2 2018-07-09
安全:AI 是系统工程 需要真正开放的安全护航
根据安全的总结,AI 的安全既包含传统安全层面,比如AI 系统的硬件、软件、 框架、协议等,也包含AI 自身层面的安全,比如错误地引导机器学习系统,以达到攻 击者的目的,或者破坏机器学习的样本,让机器学习得出错误的结果。 在最近的GeekPwn 极棒破解大会现场,安全实验室的研究员只用一张打印的A4 纸晃了晃,就成功秒破了某安卓智能手机的人脸识别认证系统,虹膜和指纹也相继 被破解。AI 时,人脸识别、指纹密、人眼虹膜认证等物认证方法,取了传统 的密。很多人认为物识别的唯一性保护了我们的隐私。但事实上,这种想法实在过 于简单。要知道,当你成功把自己变成一个活着的人体密的时候,也就成为了客的 重要“资源”。 云管端一体化的AI 安全方案 在这次OASES 联盟成立的发布会上,安全宣布向联盟成员开放了其在AI 态上的多项安全能力。官方的说法是,希望在智能终端领域,通过专利共、技术开源、标准共建,与联盟合作伙伴共同推动安全技术与服务的应用落地,共建安全的AI 时
****ac 2018-07-12
亿元免费算力 | 大脑AI Studio重磅推出算力支持计划
“提供总计1亿元免费算力,助力开发者成功”——大脑AI Studio 大数据、大模型、大算力是深学习发展的必备因素,算力的重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深学习开发者峰会,一站式开发平台 AI Studio 重磅推出算力支持计划:豪掷1亿元免费算力,为普通开发者破除算力桎梏。 大脑AI Studio 大脑AI Studio是集合AI教程、环境、算法算力、数据集和比赛的一站式学习、开发、交流平台。该平台旨在帮助开发者迅掌握AI开发知识,并熟悉模型创建,训练及部署的全过程。 大脑AI Studio中,项目有两个模式::一人一卡(单机)和远程集群模式。 其中一人一卡模式的配置此前以CPU为主。为了解决该模式下性能不足的问题,大脑AI Studio准备了大量的Tesla V100训练卡和相关资源,总价值1亿人民币。 Tesla V100训练卡是当前性能最好的工业级训练卡之一。根据英伟达的说明, 该GPU的性能是单核CPU的47倍。此举将普惠大脑AI Studio用户,破除用户的算力困境。
M****H 2018-07-11
故障定位场景下的数据可视化实践
基于上面的需求,可以总结为以下三个定位的层次,从整体到局部逐步缩小故障范围,找到故障根因: 全局问题定位:确认线上状态,缩小故障判定范围。为可能的止损操作提供判断依据。本文会介绍如何构建一个全景析仪表盘。 细定位:通过析地域、机房、模块、接口、错误等细,进一步缩小问题范围,确定需要障的目标模块、接口等。本文会介绍如何基于多维数据可视化解决维数量暴增带来的定位难题。 故障根因确认:一些情况下,问题的根因需要借助除监控指标之外的数据进行析。例如上线变更、运营活动导致的故障。本文针对导致故障占比最高的变更上线类故障进行析,看如何找到可能导致故障的变更事件。 全景掌控缩小范围 对于一个服务乃至一条产品线而言,拥有一个布局合理、信息丰富的全景监控仪表盘(Dashboard)对于服务状态全景掌控至关重要,因此在智能监控平台中,我们提供了一款可定制化的、组件丰富的仪表盘服务。 用户可以根据服务的特征,自由灵活的组织仪表盘布局,配置所需要展示的数据信息。
w****0 2018-07-11
单机房故障自愈-黎明之战
本文主要介绍单机房故障自愈前需要进行的准备工作,具体包括: 单机房容灾能力建设中遇到的常见问题及解决方法 基于网络故障及业务故障场景的全面故障发现能力 统一前端(BFE)和字服务(BNS)的流量调能力 单机房容灾能力--常见问题 单机房故障场景下,流量调是最简单且最有效的止损手段,但我们发现业务线经常会遇到如下问题导致无法通过流量调进行止损: 1.服务存在单点 描述:系统内只有一个实例或者多个实例全部部署在同一物理机房的程序模块即为单点。 问题:单点服务所在机房或单点服务自身发故障时,无法通过流量调、主备切换等手段进行止损。 要求:浏览请求的处理,不能存在单点;提交请求的处理,若无法消除单点(如有序提交场景下的ID配),则需要有完整的备份方案(热备或者冷备)保障单机房故障时,可切换至其他机房。 2.服务跨机房混联 描述:上下游服务之间存在常态的跨机房混联。 问题:逻辑服务单元未隔离在独立的物理范围内,单机房故障会给产品线服务带来全局性影响。同时流量调也无法使得服务恢复正常。
冰****蓝 2018-07-09
如何调节『控制参数』?
引言 控制模块的目标是基于计划轨迹和当前车辆状态成控制命令给车辆。这里我们将为开发者讲述如何调节控制参数。 背景 一、输入/输出 输入 规划轨迹 当前的车辆状态 HMI驱动模式更改请求 监控系统 输出 输出控制命令管理canbus中的转向、节流和制动等功能。 二、控制器介绍 控制器包括管理转向指令的横向控制器和管理节气门和制动器命令的纵向控制器。 横向控制器 横向控制器是基于LQR的最优控制器。该控制器的动力学模型是个简单的带有侧滑的自行车模型。它被为两类,包括闭环和开环。 闭环提供具有4种状态的离散反馈LQR控制器: 横向误差 横向误差率 航向误差 航向误差率 开环利用路径曲率信息消除恒定稳态航向误差。 纵向控制器 纵向控制器配置为级联PID+校准表。它被为两类,包括闭环和开环。 闭环是一个级联PID(站PID +PID),它将以下数据作为控制器输入: 站误差 误差 开环提供了一个校准表,将加映射到节气门/制动比。 控制器调谐 一、实用工具 类似于诊断和realtime_plot可用于控制器调优,并且可以在apollo/modules/tools/中找到。
Z****E 2018-07-09
产品迭的最后一公里
针对这种状况,我们结合内部的实践经验和总结抽象,提出了包含自动化部署、级发布和智能变更策略的完整解决方案。这套解决方案将以智能变更产品的形态在云上落地,期待与您
雾****士 2018-07-09
DuerOS技能开放平台开发模版及示例
点击链接了解技能形式及开发启示 https://dueros.baidu.com/forum/topic/show/293673 「音频模版」使用示例,链接:https://dueros.baidu.com/forum/topic/show/296601 「音频模版」使用示例,链接:https://dueros.baidu.com/forum/topic/show/296483 指南类技能示例,链接:https://dueros.baidu.com/forum/topic/show/293364 小知识类技能示例,链接:https://dueros.baidu.com/forum/topic/show/293363 语录类技能示例,链接:https://dueros.baidu.com/forum/topic/show/293153
y****n 2018-07-09
Apollo 自动驾驶感知技术
Level3 检测结果障碍物,对于 Level4 来说,不仅知道这是车,而且可以将其按大车、小车类,因为大车和小车的开车方式不一样。不同的车,做出的决策规划不一样。你可以超小车,但无法超大车。 我们需要一个很细的障碍物类,这根据输入的不同划,有点云类和障碍物中的类。著例子是红绿灯的识别,你需要判断交通灯的颜色。障碍物检测类,我们得出障碍物信息,这样有利于我们做后续决策。 我们要知道每个障碍物可能运行的轨迹,它会不会超车、插入车道或者无故变线,这需要障碍物跟踪。障碍物跟踪是很重要的模块。我们要运用障碍物,也有对场景的析,我们点云也用到这个。 我们在图像级别会做类似的割,目的是我们做场景建模和语义化的描述。我们有很多任务,每个任务输入是多源的,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?希望它做什么任务。 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。绿色表做得好,黄色表做得普通,红色表做得差。最后,说明了三种传感器融合效果是最好的。
c****1 2018-07-10
你的数字签会被撞破么?——安全 hash 的攻与防
在唯一一份公开的选择前缀碰撞 [2,3] 中,这个后续碰撞块的长指定为 9,意为需要构造 9 次修正块,以完成一次碰 撞攻击。长越短,对于每个碰撞块的要求就越高,计算所需的时间也指数级提高。在 长为 9 时,计算可以在普通计算机上运算几小时即可完成。 对于 MD5 碰撞的研究主要关注与发现 MD5 碰撞。王小云教授的著工作[7]等, 以及谢涛的后续工作[8]等,使得在短时间内构造简短的 MD5 碰撞成为可能。对 SHA1 最著的攻击是最近的 SHA1 Shattered 攻击,是一种共同前缀碰撞攻击 [9]。另一方 面,利用选择前缀攻击,可以伪造 X509 格式的 CA 证书 [10],以及构造多个消息的 碰撞“Herding Attack”,可以用于“预测”任何一次的美国总统大选结果。 此外,对 于攻击签机制,还有一些由于签机制实现不当而产的漏洞和对应的攻击方法。下 面我们简要介绍一下选择前缀碰撞攻击的能力,然后再讨论如何利用择前缀碰撞攻击, 最后回顾一下对于基于 hash 的签机制实现不当而产的攻击。
TOP