- 博客(171)
- 收藏
- 关注
原创 为什么说L4自动驾驶都是骗人的?
Waymo和其追随者的L4自动驾驶技术,依赖“L4演示三件套”:高精地图、高精定位和激光雷达,做演示有巨大优势!更容易做出酷炫的演示车!但是,也因此不具备大规模量产可行性。所以,有人说L4自动驾驶就是骗人的。明知道不具备量产可行性,仍然做固定线路的演示运营,因为被“资本裹挟”。这也是有人说“骗”的原因。特斯拉V12.3引入的端到端的城区NoA的新算法,给L4自动驾驶技术带来了希望。同时,该算法离L4的距离,需要等到2024年8月8日特斯拉正式发布Robotaxis服务后,看实际效果。
2024-05-04 19:41:48
781
原创 为什么被马斯克解雇了3次,特斯拉自动驾驶团队却越来越强?
很多人问我,作为一个传统汽车厂商,怎么样才能够抓住汽车智能化的时代机遇,建立自动驾驶自研能力,因为其中最让人头疼的就是建立人工智能(AI)自研能力。车厂已经意识到自动驾驶自研能力非常重要2021年6月30日,上汽集团董事长陈虹在股东大会回答股东提问时表示,与一家公司合作自动驾驶,它为上汽提供整体的解决方案,上汽是不能接受的。如此一来,它就成了灵魂,而上汽就成了躯体。上汽要把灵魂掌握在自己手中。图1 上汽要把灵魂(自动驾驶)掌握在自己手中所以,规模较大的汽车厂商,都已经积极布局,.
2021-09-30 11:09:54
2917
原创 “极狐•华为HI版本”的尴尬与困境
2021年4月上海汽车展,发生了一起震惊中国汽车界的营销事件。华为在车展的前4天(4月15日),发布了一段高级辅助驾驶的演示视频。图1 在4月15日发布的视频中,2块显示屏叠在一起,告诉我们这是测试车这个视频当中,汽车的内饰是和普通的电动轿车一样,但是汽车的自动驾驶智能程度却相当高,是城市道路的自动驾驶演示视频。以前,类似的自动驾驶效果,只在2种视频中出现过:第一种,很多自动驾驶创业公司的出租车队Robotaxis的视频上;第二种,特斯拉的FSD Beta版功能的视频上。大家在.
2021-05-29 02:10:51
1466
原创 5分钟理解谷歌自动驾驶为什么不能落地
从2010年开始,谷歌的自动驾驶(无人驾驶)新闻是最强刷屏利器之一,曾让我们为之疯狂。那么,谷歌的无人驾驶落地顺利吗?有哪些挑战?L4级别自动驾驶(车辆驾驶将全部交给系统)的未来怎么样?以史为鉴,可以知兴衰,所以,让我们从谷歌无人驾驶的起源说起。2005-2010 石破天惊2005年,38岁的斯坦福大学的副教授特伦(Sebastian Thrun)带领的团队在DARPA无人车挑战赛获得冠军。这时,一个三十出头岁的小伙子走过来,带着帽子和墨镜伪装,这个人就是谷歌联合创始人佩奇(Larr...
2021-05-23 10:45:11
692
原创 为什么说Mobileye最辉煌的5年就是落后的5年
1998年,38岁的以色列希伯来大学的老师Amnon Shashua(以下简称Shashua,读沙舒亚)去日本名古屋的丰田汽车公司开会[1]。此时的Shashua只是普通教职员工,还没有副教授或教授头衔。去丰田开会,是因为Shashua在3年前的创立的公司CogniTens正在服务于丰田汽车公司,在质量控制流程中用数字图像检测“保险杠”。“检测到车快撞到东西或者偏离车道线,提前发出警告,只要一个单目摄像头就可以!”,Shashua说。这样,就不用只靠“保险杠”来提高安全性了。
2021-05-23 10:33:16
686
原创 最近9年最厉害的人工智能算法只是加权平均
从网上搜索看,很多人理解“卷积”是困难的。“卷积”这个词,就吓住了很多人。图1 从网上搜索看,很多人理解“卷积”是困难的有2个原因:第一,汉语其他地方几乎从不用“卷积”这个词,所以中国人无法理解字面含义;第二,很多人熟记卷积的公式、在工作中经常使用,但是并不理解卷积的实质含义。理解卷积(Convolution),是理解卷积神经网络(CNN:Convolutional Neural Network)的关键。也是让我们理解,为什么最近9年(2012-2021),人类最厉害...
2021-05-23 10:21:48
951
原创 能拟合任何函数的神经网络只是个分段线性函数
阅读本文,你可以理解:能逼近(拟合)任何函数只是个分段线性函数,让你深刻理解神经网络能力的边界,消除你对神经网络的神秘感。需要你具备的知识:1)一次函数(线性函数)一般形式y=kx+b(k不为0) 【人教社初中二年级】2)分段函数 【人教社初中二年级】3)异或函数 【 数字电路课本或任何编程语言的课本】有两个原因导致人们对神经网络的强大能力充满神秘感和顶礼膜拜。第一,很多讲解神经网络的文章,都会列很多公式,或者讲动物的神经元的特性,让人觉得很深奥。第二,当提到神经网络可以逼近任何函数...
2021-05-23 10:06:52
1524
2
原创 造车这么简单,你行吗?
造车这么简单,你行吗?一首先,造车很简单,就4步:冲压、焊装、涂装和总装。金属板第1步是冲压,冲压就是把一块金属板,冲成各种各样的形状,比如说冲成一个车门的一边,冲成一个车顶的一面。冲压后的产品第2步是焊装,焊装就是把刚才冲压生产的金属片,把它焊接成进一步的形状,比如焊成一个完整车门,比如焊成一个车的框架。焊装完成后,车门都已经装到车身上了,如图。焊装后的产品第3步就是涂装,涂装就是喷漆。涂完之后这个车就就是一个金属框架,就已经有颜色了。涂装过程中
2021-05-23 09:57:39
230
原创 理解人工智能算法,初中数学知识就够了
目录小学三年级我们就开始学习人工智能了初中二年级的知识解释机器学习求解思路初中三年级的知识解释梯度下降法我们需要更复杂的模型结构深度学习的数学建模思路深度学习到底有多牛逼?对于没有在学校里学习过机器学习和深度学习的同学,在谈论人工智能时,常常会听到一些专有名词,比如机器学习,深度学习、深度神经网络、梯度下降法、BP算法、损失函数、欠拟合、过拟合、训练集、验证集和测试集,经常会被整懵了,别人聊的时候只能在旁边呵呵。想去学习,发现网上书上的介绍全是公式。怎么办?本文用初...
2021-03-27 17:04:14
893
1
翻译 人工智能的新业务(以及与传统软件的区别)
马丁·卡萨多(Martin Casado)和马特·伯恩斯坦(Matt Bornstein)原文链接:https://a16z.com/2020/02/16/the-new-business-of-ai-and-how-its-different-from-traditional-software/?from=groupmessage&isappinstalled=0从技术...
2020-03-01 18:16:14
2211
原创 5分钟理解相机ISP(图像信号处理)
目录引言Sensor输出的原始数据和人类预期的图像有巨大差异Sensor的不完美以及ISP处理的原理总结,如何才能做一个能商用有竞争力的ISP引言凡是和图像领域工作的人,都会经常听到ISP(Image Signal Process,图像信号处理),知道ISP对图像质量非常重要。比如华为和小米竞争手机拍照和录像效果,主要的竞争领域就是ISP;做AI(Artificial In...
2020-01-29 22:33:40
33511
22
转载 语音备忘录同步后保存在哪个路径
使用 iTunes 同步录音如果选择不使用 iCloud 同步“语音备忘录”,您可以通过 iTunes 将它们同步到电脑。 将 iPhone 连接到电脑。 在电脑上打开 iTunes,然后选择左上角附近的 iPhone。 在边栏中点按“音乐”。 选择“同步音乐”,确保已选择“包括语音备忘录”,然后点按“同步”。 从 iPhone 同步到您电脑上的语音备忘...
2019-04-01 01:47:22
5237
转载 苹果手机怎样批量删除照片
https://jingyan.baidu.com/article/851fbc37953b183e1f15ab02.html喜欢使用苹果手机拍照的朋友,会经常删照片,那怎样操作更快呢?今天就为大家分享苹果手机怎样批量删除照片!工具/原料 苹果手机 方法1 1 如图,首先点击进入相册 2 如图,点击相册右上角选择 3 这时候,某一...
2019-04-01 01:36:34
4692
转载 有趣的开源软件:语音识别工具Kaldi (二)
在上一篇blog中简单的介绍了Kaldi的安装方法 有趣的开源软件:语音识别工具Kaldi (一) 在这篇blog中继续Kaldi模型训练的步骤,介绍一下在模型训练之前的一些数据准备的工作。因为我也是正在学习语音识别和Kaldi,有些地方不一定说的很正确,如果发现错误,还请指正。在Kaldi源代码树中,有一个叫做egs的文件夹,在这个文件夹中保存着一些Kaldi在公共数据集上的训练步骤(s
2017-12-15 22:41:34
1595
3
转载 Kaldi HCLG 深入理解
1. 相关部分包含的主要任务1.1 WFST Key Conceptsdeterminizationminimizationcompositionequivalentepsilon-freefunctionalon-demand algorithmweight-pushingepsilon removal1.2 HMM Key ConceptsMarko
2017-12-15 22:37:09
1978
转载 走进语音识别中的WFST(一)
本人最近在研究语音识别的生成Graph和Lattice的模块,其中用到了WFST这个概念,惊叹于它的神奇也被它的复杂搞得晕头转向。于是决定静下心来仔细研读了Mohri大牛的Speech Recognition with Weighted Finite-state Transducer这篇论文和一些相关资料,算是入门了其中的算法,有些体悟在这里和大家一起探讨,也算是对自己近期学习的一个总结。本系列会
2017-12-15 22:25:22
998
转载 语音识别中的lattice与confusion network
如果大家使用搜狗输入法的语音识别可能会发现在我们说我一句话之后,语音识别会返给你多个结果,这些结果之间只有微小差异(很多时候是发音相同的替代词)。绝大多数时候,输入法给出的结果就是我们需要的,但是偶尔也会出现候选结果中的才是我们需要的。你可能会好奇这些候选结果是如何产生的,在本文中我就给大家简单介绍一下。one best最初的语音识别结果只有一个,也被称为one best,即一个最
2017-12-15 22:22:54
925
转载 决策树学习笔记整理
本文目的最近一段时间在Coursera上学习Data Analysis,里面有个assignment涉及到了决策树,所以参考了一些决策树方面的资料,现在将学习过程的笔记整理记录于此,作为备忘。 算法原理决策树(Decision Tree)是一种简单但是广泛使用的分类器。通过训练数据构建决策树,可以高效的对未知的数据进行分类。决策数有两大优点:1)决策树模型可以读性好,具有描述性
2017-12-15 21:48:52
322
转载 Kaldi决策树状态绑定学习笔记
原理学习资料: 1. SLP Ch10.3 2. Daney Povey Kaldi Lecture3 3. 官方决策树三个文档、HMM文档 4. 爱丁堡大学CDHMM-PPT 5. 论文《Tree-Based State Tying For High Accuracy Acoustic Modelling》S.J.Young 6. 论文《Decision Tr
2017-12-15 21:39:05
975
转载 HTK语音识别中的决策树
1.为什么需要决策树我们在使用HTK进行语音识别模型训练的过程中,首先进行的是单音素、单个高斯的模型训练。抛开单个高斯不说,单音素模型本身有很大缺点:没有考虑到本音素前后音素的发音对本音素的影响。比如,同样是一个音素iy,如果它前面的音素分别是h和p,那么iy这个音素在这两种情况下的发音会有所不同,那么模型参数也就会受到其影响,此时,如果用同一个模型来描述音素iy,那么就会不合理。
2017-12-15 21:17:51
845
转载 HTTP长连接、短连接使用及测试
概念HTTP短连接(非持久连接)是指,客户端和服务端进行一次HTTP请求/响应之后,就关闭连接。所以,下一次的HTTP请求/响应操作就需要重新建立连接。HTTP长连接(持久连接)是指,客户端和服务端建立一次连接之后,可以在这条连接上进行多次请求/响应操作。持久连接可以设置过期时间,也可以不设置。我为什么没有说HTTP/1.0 默认短连接,HTTP/1.1起,默认长连接呢?因为我
2017-11-06 17:14:26
1294
转载 HMM学习最佳范例一:介绍
隐马尔科夫模型(HMM)依然是读者访问“我爱自然语言处理”的一个热门相关关键词,我曾在《HMM学习最佳范例与崔晓源的博客》中介绍过国外的一个不错的HMM学习教程,并且国内崔晓源师兄有一个相应的翻译版本,不过这个版本比较简化和粗略,有些地方只是概况性的翻译了一下,省去了一些内容,所以从今天开始计划在52nlp上系统的重新翻译这个学习教程,希望对大家有点用。一、介绍(Introduction)
2017-11-03 19:17:35
336
转载 征集峰值QPS/QPS/PV/UV/服务器数量/并发数/吐吞量/响应时间计算公式?
QPS:每秒查询率(Query Per Second) ,每秒的响应请求数,也即是最大吞吐能力。QPS = req/sec = 请求数/秒QPS统计方式 [一般使用 http_load 进行统计]QPS = 总请求数 / ( 进程总数 * 请求时间 )QPS: 单个进程每秒请求服务器的成功次数峰值QPS:原理:每天80%的访问集中在20%的时间里,这20%时间叫做峰值时
2017-08-16 22:06:11
574
转载 科技公司都变成了数据公司:但你真的了解什么是“数据工程师”吗?
《美国数据工程概况》,来源 / Stitch Data,译者 / 黄谦、徐勇、王小佛、张耕、王心田、王挺、Raymond Yang。本文来自微信公众号“峰瑞资本”(微信号:freesvc),授权虎嗅发布,转载请联系原作者。推荐人:陈诚,DataPipeline 创始人,前 Yelp 数据工程师。在和国内外顶尖公司交流的过程中,我发现他们多数都很骄傲有一支极其专业的数据团队。这些公司
2017-07-01 15:47:26
2215
转载 如何成为一名真正的数据分析师或者数据工程师
原文 http://www.pm28.com/post-322.html一.入门:高屋建瓴数据分析的坑很大,一开始走上这条路,就要明确基本的方向,依托于核心的思想,不然只会越走越偏,最后觉得山太高水太深,不了了之。1.数据与数据分析数据其实就是对事物特征的定性指称以及量化描述,比如一个人的身份证号,年龄,收入,身高等就构成了一组数据:{id:0
2017-07-01 15:44:45
13456
5
转载 TensorFlow练习13: 制作一个简单的聊天机器人
TensorFlow练习13: 制作一个简单的聊天机器人现在很多卖货公司都使用聊天机器人充当客服人员,许多科技巨头也纷纷推出各自的聊天助手,如苹果Siri、Google Now、Amazon Alexa、微软小冰等等。前不久有一个视频比较了Google Now和Siri哪个更智能,貌似Google Now更智能。本帖使用TensorFlow制作一个简单的聊天机器人。这个聊天
2017-06-29 18:54:40
2729
转载 【开源】一个基于智能问答的聊天机器人实现
智能问答应当是未来智能化发展中人机交互的主要方式,目前无论是在开源社区或者企业应用中,都有广泛的应用。 项目名称是Iveely.Brain,本次源码可以在Github的这里下载,,是主要用于聊天服务的一个项目,本次开源版本的示例如下所示: 整个开源版本分为两种模式:本地模式和远程模式。本地模式是开发环境的调试模式,主要用于测试准确性问题;远程模式
2017-06-29 18:50:00
13984
转载 使用深度学习打造智能聊天机器人
/* 版权声明:可以任意转载,转载时请标明文章原始出处和作者信息 .*/ author: 张俊林聊天机器人(也可以称为语音助手、聊天助手、对话机器人等)是目前非常热的一个人工智能研发与产品方向。很多大的互联网公司重金投入研发相关技术,并陆续推出了相关产品,比如
2017-06-29 17:27:09
1712
转载 HTTP 协议中的 Transfer-Encoding
HTTP 协议中的 Transfer-Encoding文章目录Persistent ConnectionContent-LengthTransfer-Encoding: chunked本文作为我的博客「HTTP 相关」专题新的一篇,主要讨论 HTTP 协议中的 Transfer-Encoding。这个专题我会根据自己的理解,以尽量通俗的讲述,结合代码示例和实
2017-06-17 20:09:15
347
转载 TUTORIAL: MEASURING REVERBERATION TIME
TUTORIAL: MEASURING REVERBERATION TIMEMARCH 4, 2014 LAWRENCE YULE 1 COMMENTThe reverberation time of a room has a distinct effect on its suitability for different tasks, in this tuto
2017-05-18 00:51:36
481
转载 Boosting原理及其应用
Boosting原理及其应用一、背景故事: 某男到医院就诊,医生亲切地问了一些该男的症状,最后得出结论:“医生说我怀孕了。。。”血淋淋的故事告诉我们: 需要一个好的诊断器:根据病人的一系列症状,得出病人患的是什么病。 实际上,这是一个分类问题。 分类问题很常见:1) 博客男女2) OCR3) 情感分类4) 查询意图识
2017-05-12 21:02:20
1786
转载 Spatial Transformer Networks(空间变换神经网络)
闲扯:大数据不如小数据这是一份很新的Paper(2015.6),来自于Google旗下的新锐AI公司DeepMind的四位剑桥Phd研究员。他们针对CNN的特点,构建了一个新的局部网络层,称为空间变换层,如其名,它能将输入图像做任意空间变换。在我的论文[深度神经网络在面部情感分析系统中的应用与改良]中,提出了一个有趣观点:大数据不如小数据,如果大数据不能被模型有
2017-05-12 17:56:26
3649
1
转载 A robot with a view—how drones and machines can navigate on their own [video]
Robots have captured our imaginations for more than 70 years. When you think about a robot, you might picture Rosie from the Jetsons or a robotic arm in a manufacturing facility. However, the next gen
2017-05-12 17:43:18
703
转载 机器学习并没有那么深奥,它很有趣(4)
简单四步,看懂人脸识别技术的全部工作流程编者按:在科技圈,如果你不懂“机器学习”,那你就 out 了。当别人在谈论机器学习娓娓道来时,你却一头雾水,怎么办?在跟同事的聊天中,你只能频频点头却插不上话,怎么办?让我们来做些改变!Adam Geitgey 撰写了一份简单易懂的《机器学习,乐趣无限》的资料,共分为5个部分,主要针对所有对“机器学习”感兴趣,却苦于不知从何下手的朋友,希望能借此让更
2017-04-29 15:34:50
780
转载 机器学习并没有那么深奥,它很有趣(3)
通过编写一个能够识别小鸟图片的程序来认识深度学习和卷积神经网络。编者按:在科技圈,如果你不懂“机器学习”,那你就 out 了。当别人在谈论机器学习娓娓道来时,你却一头雾水,怎么办?在跟同事的聊天中,你只能频频点头却插不上话,怎么办?让我们来做些改变!Adam Geitgey 撰写了一份简单易懂的《机器学习,乐趣无限》的资料,共分为5个部分,主要针对所有对“机器学习”感兴趣,却苦于不知从何下
2017-04-29 15:32:59
801
转载 机器学习并没有那么深奥,它很有趣(2)
通过“超级马里奥”游戏解读机器学习。编者按:在科技圈,如果你不懂“机器学习”,那你就 out 了。当别人在谈论机器学习娓娓道来时,你却一头雾水,怎么办?在跟同事的聊天中,你只能频频点头却插不上话,怎么办?让我们来做些改变!Adam Geitgey 撰写了一份简单易懂的《机器学习,乐趣无限》的资料,共分为5个部分,主要针对所有对“机器学习”感兴趣,却苦于不知从何下手的朋友,希望能借此让更多人
2017-04-29 15:30:52
488
转载 机器学习并没有那么深奥,它还很有趣(1)
从0 到 1,机器学习入门指南。编者按:在科技圈,如果你不懂“机器学习”,那你就 out 了。当别人在谈论机器学习娓娓道来时,你却一头雾水,怎么办?在跟同事的聊天中,你只能频频点头却插不上话,怎么办?让我们来做些改变!Adam Geitgey 撰写了一份简单易懂的《机器学习,乐趣无限》的资料,共分为5个部分,主要针对所有对“机器学习”感兴趣,却苦于不知从何下手的朋友,希望。能借此让更多人认
2017-04-29 15:28:34
586
转载 卷积的本质及物理意义(全面理解卷积)
卷积的本质及物理意义提示:对卷积的理解分为三部分讲解1)信号的角度2)数学家的理解(外行)3)与多项式的关系1 来源卷积其实就是为冲击函数诞生的。“冲击函数”是狄拉克为了解决一些瞬间作用的物理现象而提出的符号。古人曰:“说一堆大道理不如举一个好例子”,冲量这一物理现象很能说明“冲击函数”。在t时间内对一物体作用F的力,倘若作用时间t很小,作用力F很大,但让Ft的
2017-04-29 12:06:58
1717
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人