关于 黑帽排名_q扣2810853647唐山雷庄镇百度输入法崔 的搜索结果,共627
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?好寨的车机软件
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
AI普惠:以平台化思路 就迫切希望获取AI能力的企业而言,EasyDL一个显而易见的优势在于,目前接口采用限量免费的政策,上线模型后可免费获得500次/天的调用额。发布离线SDK也可以获得2个免费的试用版离线SDK。 “无论你在哪里,无论你从事什么行业,我们都希望你能够平等、便捷地获取AI能力,至少获取的AI能力。”EasyDL的推出及政策安,正在兑现李彦宏AI的普惠承诺。 传统上,新技术传播趋势一般遵循“S型曲线”理论,即一项技术在引进期,其商业化成果相对昂贵,普及比较缓慢,一旦进成长期,普及速呈现指数型增长,价格逐渐下降,一旦进成熟期就走向曲线顶端,增长率放缓、动力缺乏,最后进衰退期。 EasyDL则以低门槛操作和限量免费政策,大大缩短了导期,推动了AI技术短期内即开始大规模应用,2018年,谷歌的AutoML 也将服务对象转向普罗大众,不过,EasyDL的产业化进程显得更快。 正以平台化、生态化的思路,加速推进AI产业化落地。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
你可以超小车,但无超大车。 我们需要一个很细的障碍物分类,这根据的不同划分,有点云分类和障碍物中的分类。著例子是红绿灯的识别,你需要判断交通灯的颜色。障碍物检测分类,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,也有对场景的分析,我们点云也用到这个。 我们在图像级别会做类似的分割,目的是我们做场景建模和语义化的描述。我们有很多任务,每个任务是多源的,包括激光达、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 是激光达,Radar 是汽车通用毫米波达,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,说明了三种传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。用的是深学习,它可以做到精准检测和识别。
3****3 2018-07-10
智能运维工程架构
实践:运维机器人 单机房故障自愈是2017年我们完成的重点项目,目标是将单机房范围的故障自愈水平普遍提升到L4级(整个处理过程,包括决策过程基本无人介)。当然,另一部分原因是过去一两年发生的几次业界重大线上事故,我们希望可以防微杜渐,进一步提升MTTR水平。 相比较原有的单机房故障处理方式,在感知、决策、执行三个方面,L4级的单机房故障自愈系统效果显著: 1.感知方面,智能异常检测算替代过去大量误报漏报的阈值检测方; 2.决策方面,具备全局信息、自动决策的算组件替代了过去“老中医会诊”的人工决策模式; 3.执行方面,状态机等执行长流程组件的加,让执行过程可定位、可复用。 目前L4级的单机房故障自愈,已经覆盖大多数核心业务线,止损效率可做到分钟级,最快秒级止损,较人工止损效率提升60%-99%。 总结 随着AIOps逐渐走向成熟和产品化,必将有越来越多的运维场景被AIOps所变革,而我们,云智能运维团队,也希望秉承着这个方向,为行业贡献更多的创新理念、技术和产品,欢迎大家一起加探讨。
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和地图历史轨迹数据同步到一起
1****2 2018-07-09
安全:AI 是系统工程 需要真正开放的安全护航
11 月6 日,安全牵头成立OASES 智能终端安全生态联盟。这是国内第一个开 放的致力于AI 生态安全的联盟组织,引发了媒体、行业对AI 安全的聚焦。 毋庸置疑的是,人工智能时代已经到来。有数据显示,到2020 年,会有500 亿台 物联网设备在全球部署。埃森哲预测,人工智能可能将劳动生产率提升40%,让人们 更有效地利用时间。到2035 年,人工智能将让年经济增长率提升一倍。 但是,所谓“螳螂捕蝉,黄雀在后”,AI 既能被用来提升效率,也能被客用来提 升攻击技术,有更多途径窃取用户隐私。前段时间各种智能电视被破解,摄像头变成客 厅监视器;某品牌智能扫地机器人被曝出存在高危漏洞,变成家庭“间谍”等安全事件 频发。 网络安全成了这些智能设备的“阿喀琉斯之踵”。 危机四伏的AI 生态 在小编看来,移动互联时代,无论是终端、云端、传通道,最终保护的都是这整 个网络生态中的数据,这些数据既有企业和用户的隐私,也包含了账户和密码等。在AI 时代,大抵相同。所不同的是各种IOT 设备的多样化,身份认证加了生物识别, 语音需求更多地取代了手动
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
1月16日,大脑在深圳召开“在端上思考”大脑AI硬件平台及产品发布会,发布13项端侧新品,备受行业关注。在现场,喻友平介绍到,目前已有4款新品正式上架AI市场。 在AI能力广、速、精不断提升的基础下,大脑充分利用自己在AI领域内的成功经验不断雕琢着自身的核心技术,开始在产业界呈现“乘效应”展现出产业智能化“头雁”的速。 AI落地的乘效应 AI技术的发展,最终还是要落实到我们的生活中。在我们触手可及的各个角落中都有大脑加持的智能产品。首期开放日着重介绍了近期开发者询问较多的市政、物流、教育三个领域的落地案例。
C****X 2018-07-10
群雄逐“图”,缘何备受关注?
典型的算是RRT (Rapidly-exploring Random Tree)。需要引起注意的是,在实践过程中如果有了启发式算,实时的路径规划会很注重效率,需根据实际情况优化,这方面的研究包括RRT变种或两类算的结合(如A*-RRT)。 高精地图会让自动驾驶如“看不见轨道”的过车一样持续向前,但未来关于高精地图的发展方向,地图测绘政策的白热化争斗以及互联网企业在多方加的“地图混战”中如何把握自己的优势条件(突出优势在哪儿)等诸多问题还亟待探讨并找出真相。 * 以上内容为CSDN开发者晶晶投稿,不代表官方言论。
金****洲 2018-07-09
安全实验室|机器学习对抗性攻击报告
并会导致计算设备被侵,错误命令被执行,以及执行 后的连锁反应造成的严重后果。本文基于这个特定的场景,首先简单介绍下白盒盒攻 击模型,然后结合专家们的研究成果,进一步介绍攻击场景,对抗数据构造攻击手段, 以及攻击效果。 1.1 攻击模型 和其他攻击不同,对抗性攻击主要发生在构造对抗性数据的时候,之后该对抗性数 据就如正常数据一样机器学习模型并得到欺骗的识别结果。在构造对抗性数据的过 程中,无论是图像识别系统还是语音识别系统,根据攻击者掌握机器学习模型信息的多 少,可以分为如下两种情况: 白盒攻击 攻击者能够获知机器学习所使用的算,以及算所使用的参数。攻击者在产生对 抗性攻击数据的过程中能够与机器学习的系统有所交互。 盒攻击 攻击者并不知道机器学习所使用的算和参数,但攻击者仍能与机器学习的系统有 所交互,比如可以通过传任意观察出,判断出。
c****2 2018-07-10
个性化推荐(一)
YouTube的深神经网络个性化推荐系统 YouTube是世界上最大的视频上传、分享和发现网站,YouTube个性化推荐系统为超过10亿用户从不断增长的视频库中推荐个性化的内容。整个系统由两个神经网络组成:候选生成网络和序网络。候选生成网络从万量级的视频库中生成上个候选,序网络对候选进行打分序,最高的数十个结果。系统结构如图1所示: 图1. YouTube 个性化推荐系统结构 候选生成网络(Candidate Generation Network) 候选生成网络将推荐问题建模为一个类别数极大的多类分类问题:对于一个Youtube用户,使用其观看历史(视频ID)、搜索词记录(search tokens)、人口学信息(如地理位置、用户登录设备)、二值特征(如性别,是否登录)和连续特征(如用户年龄)等,对视频库中所有视频进行多分类,得到每一类别的分类结果(即每一个视频的推荐概率),最终出概率较高的几个视频。
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格式的仍然无播放,我的手机是“mate30 5G”版,手机上装的app是应用市场里最新的“CarLife+”。
TOP