首页 文章 精选 留言 我的

精选列表

搜索[工企 AI],共10000篇文章
优秀的个人博客,低调大师

澳大利亚警局8600万美金造AI平台抓偷车贼,然而一个程序员57行代码就搞定了

维多利亚警察局是澳大利亚维多利亚州的主要执法机构。在过去一年里,州内共有1.6万多辆车被盗,涉案费用约1.7亿美元,对此维多利亚警方十分头疼,开始尝试技术手段去抓偷车贼。 为防止被盗汽车被进一步欺诈性销售,维州公路局先是启用了一项网络服务,以检查车辆注册状况,接着又打算投资研发一套汽车牌照扫描仪——基于计算机视觉识别系统、可扫描过往车辆、自动识别被盗汽车的固定三脚架摄像机。 然而整套装置价格高昂,约8600万美元。有业内评论员分析,要想将这个成本共计8600万美元的系统配置在220辆车上,相当于每辆车支出390909美元。 警方的举措引起了网友Tait Brown的注意。Tait是一名开发者和设计师,他觉得维州警局的做法太浪费钱,于是突发奇想,准备用开源技术动手做一个车牌扫描仪模型,如果车辆被盗或未被注册,它就会自动通知车主。 图:现有的车牌识别系统 搭一个车牌扫描仪,分三步 在开始之前,Tait简单列出了车牌扫描仪产品的三个关键点。 它必须在本地完成图像处理 将直播视频流传给中央处理器,似乎是解决问题最差的方法了。因为这除了会产生昂贵的数据流量费,还会加剧网络延迟问题。 尽管,集中式的机器学习算法很有效,因为系统会随着深度学习的过程而变得更精确,但Tait更想知道,如果在本地设备实现这一功能是否就已经“足够好”。 它必须能够处理低质量的图像 由于Tait手头没有Raspberry Pi(树莓派,微型电脑)摄像头或USB网络摄像头,所以他就用现成的Dashcam镜头替代——一个随时可用的样本数据来源,Dashcam镜头还有一个好处,它的视频成像效果,与车载摄像头所拍摄的视频质量差不多。 它必须使用开源技术来搭建 如果依赖于一个专有软件打造设备,意味着后续每一次请求都将付费。相比之下,开源技术省钱是毋庸置疑的。 整个解决方案很简单 产品设计好了以后,就可以操作了。Tait的解决方案是,从Dashcam视频中获取图像,然后通过一个本地安装在车牌扫描仪设备上的开源车牌识别系统抓取图像,来查询汽车的注册检查服务,并显示结果。 传输到安装在执法车辆的设备数据包括:汽车出厂型号(只有汽车被盗时才会核实)、注册状态以及车辆被盗时的通知报告。 听起来是不是很简单。例如,图像处理都可以交由openalpr库处理。这涉及到识别车牌上的字符: PS:公共访问维州公路局的API接口是不可用的,因此Tait从官方网络下载数据,来进行车牌识别测试。 以下是他测试的过程: 但结果出乎意料的准确 测试结果让Tait感到惊喜。他此前还担心用开源系统识别车牌的效果会不理想,并且图像识别算法很可能并未针对澳大利亚车牌进行优化。 然而最终的解决方案却能够在宽广的视野中识别车牌。 图:反光和摄像头失真也不影响车牌识别 不过难以避免的,解决方案有时候也会出错。 图:读数不正确,误将M识别为H 但是,解决方案最终还是会纠正错误,给出正确反馈。 图:几帧后,M已被正确识别,而且有着更高的置信度评分 如以上两张图所示,图像处理的置信度评分从原来的87%上升到了91%以上。 这让Tait确信,通过提高采样率可以提高准确率,然后按最高置信度进行排序。或者,也可以调整阈值,设置成仅在置信度大于90%的情况下才接受汽车牌照号的验证。 这些都是很直接的代码优先解决方案(code-first),并且不排除使用本地数据集,来训练车牌识别软件。 关于8600万美元的问题 做完了以上试验之后,Tait完全想不明白为什么要花费8600万美元,也没觉得,经过本地化训练的开源工具比BlueNet系统(第三方技术服务)的准确性低。 Tait预计,这笔预算其中一部分还包括:对几个遗留数据库和软件应用程序的更新,以支持每秒对每辆车进行高频率、低延迟的车牌查询。 另一方面,如果每辆车的识别成本在39.1万美元左右,确实挺贵,尤其是如果BlueNet系统的识别结果并非特别准确,而且没有大规模的IT项目停产或升级相关系统的情况下,根本花不了那么多钱。 试想一下,未来这种车牌识别系统可以有很多应用场景。譬如,系统自动扫描绑匪之后,自动报警并告知家属绑匪当前的位置和方向,那该有多酷。 如今特斯拉汽车已经配置了摄像头和传感器,能够接收OTA更新,这就相当于目击者。当然,Uber和Lyft司机也可以配备这些设备,来增加安全性。 简而言之,使用开源技术和现有组件,似乎有可能提供一个回报率更高、更省钱的解决方案,投资远远低于8600万美元哦! 原文出处:科技行者 转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。

优秀的个人博客,低调大师

大咖 | 霍金学生、计算机视觉领域奠基人Alan Yuille:AI的进步需要基础理论上有所发展

“1860年有人问法拉第,你的电磁理论现在有什么用?他回答,你认为一个新生婴儿有什么用?” 昨天,计算机视觉领域奠基人之一Alan Yuille在上海交大做了一场演讲。他把人工智能目前所处的状态比做一个新生儿,而其要想有所进步,需要基础理论上的发展。 Alan Yuille早年曾在剑桥大学跟随斯蒂芬·霍金教授研究理论物理,之后转而开拓计算机视觉领域。他目前是约翰霍普金斯大学(JHU)的认知科学与计算机科学教授。此前,他曾任职于加州大学洛杉矶分校(UCLA)统计系,并担任视觉识别与机器学习中心主任。他曾获计算机视觉论文最高奖马尔奖,也曾担任计算机视觉的顶级会议CVPR的主席。 而Alan Yuille的学生朱珑博士,作为联合创始人,在上海创立了被李开复老师誉为“图像识别四大独角兽”之一的依图科技。 昨天,在上海交通大学的演讲上,两位在计算机

优秀的个人博客,低调大师

英伟达 CEO 黄仁勋解读人工智能:我们正活在科幻小说当中,AI 的发展速度将超越摩尔定律

编者按:本文发表于VentureBeat,作者Dean Takahashi,原标题《Forget about smart glasses … here come smart contact lenses》。由雷锋网编译,未经许可,不得转载。 上周,英伟达公布了 Q3 财报,震惊了华尔街。公司 Q3 营收为 20.04 亿美元,比去年同期的 13.05 亿美元增长 54%,比上季度的 14.28 亿美元增长 40 %。关于营收,此前 12 位分析师的预期为 16.80 亿美元,但新季度达到了 20.04 亿美元,超过了盈利预期。令雷锋网(公众号:雷锋网)惊叹的是,自今年以来,英伟达股价已上涨一倍有余,从市值 200 亿美元到如今市值 470 亿美元。 财报公布之后不久,美国科技博客 Venturebeat 的记者 Dean Taka

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册