〓新手开车常犯的错误,这3大问题得重视

〓新手开车常犯的错误,这3大问题得重视
新手开车最常见的3大问题,没事拿出来看一遍,能让一生受益!在如今的道路上,不仅仅汽车变得是越来越多,这所谓驾驶汽车的司机也自然是越来越多,每当去驾校练车的时候,也照样是能够看到非常多的学车人员,在年纪这方面有上到60多岁的大妈,也有18左右的学生,这谁都知道,凡是去驾校的,那可不是前去玩耍的,目标都是一致的,那就是考驾照,因只有拿到驾照才能够驾驶汽车上路,然而在拿到驾照之后,这些人也就统统被称为是新手司机,然而,这些司机没有足够的自然驾驶经验,不可避免地会遇到问题。新手开车通常会犯什么错误?道路上新手司机的三个主要误解是只需一分钟就能看到,但是开车更有帮助。
首先第一个:不认路。就驾驶而言,最忌讳的事情是不要找路,即使有驾驶导航,这种情况也会经常发生,所以很多老司机在开车前会对导航有初步的了解,看看路上是否有立交桥或复杂的十字路口来防止这种情况,这样做也能有效避免交通堵塞。然而,新手司机通常不会想到这一点。他们认为跟踪导航就足够了。
第二个:不敢开车。相信很多新手朋友在拿到驾照以后,可能都会面临这样的心理战,不敢开车上路。虽然在驾校学到的东西也不少,但是没有勇气上路。但是小编建议大家:再拿到驾照以后,最好能趁热打铁,多练习驾驶技术,熟练了,才会开车顺利。要知道就算考过了驾照,长时间不开车,过上一两年,上路可能会更加困难,付出的努力要比现在多得多。
第三个:起步不放手刹。大家都知道起步必须要放手刹,但谁敢拍着胸脯说自己从来没有忘记过放手刹的?以现在车的动力而言,如果不放手刹也是能起步的,但是这么跑一段路之后,手刹基本就废了。 建议:养成一个良好的习惯:开车前检查仪表盘。因为只要手刹拉起,仪表盘上市一定会显示一个红色的“P”的,我们只需要在开车前检查仪表盘上是否有警示灯亮起,就一定不会忘记放手刹啦。这个错误率在新手中概率是相当的高。
这三点是许多新手经常犯的三大错误。这些都是日常驾驶中常见的问题,纠正它们并不困难。新手朋友们大可不用着急,在开车时放松精神,专心驾驶,避免以上容易犯的错误,相信用不了多久“新手”这个头衔就会被你亲手摘掉!

〓春节停车难,用 Python 找空车位

〓春节停车难,用 Python 找空车位
生活在北京,深知开车出门最怕的就是堵车和找不到停车位。记得冬至那个周末,几个小伙伴滑雪回来找了一家饺子馆吃饺子,结果七拐八拐,好不容易才找到一个停车位。看到这篇技术文章,马上就想要学习一下,分享给大家,希望有助于解决大家这个痛点问题,春节出行没准就可以用得上了。
作者通过相机结合深度学习算法,基于 Python 语言建立一个高精度的停车位的通知系统,每当有新停车位时就会发短信提醒我。听起来好像很复杂,真的方便实用吗?但实际上所使用的工具都是现成的,只要将这些工具进行有机的组合,就可以快速、简便的实现。
下面我们就开始学习整个工程流程。
解决一个复杂的问题,首先第一步是要把问题分解成几个简单子任务。然后,针对每个子任务,运用机器学习中不同的方法来分别解决每个问题。最后把这些子任务贯穿起来,形成整套解决方案。
下面是检测开放停车位的流程图:
输入:普通摄像头采集的视频流
有了输入数据后,接下来我们需要知道图像的哪一部分是停车位,而且停车位是没有人使用的。
第一步:检测视频帧中所有可能的停车位。
第二步:检测每一帧视频中的所有车辆。可以跟踪每辆车从一帧到另一帧的运动。
第三步:确定目前有哪些停车位被占用,哪些没有被占用。这需要结合第一步和第二步的结果。
最后一步:当停车位变成可用时,系统发出通知。
其实可以使用多种不同的方法来完成这些步骤。不同的方法将具有不同的优势和缺点。接下来具体来看:
探测停车位
一个懒办法是程序写死每个停车场的位置,而不是自动检测停车场。但是如果移动摄像机,探测不同街道上的停车位,就必须再次手动定位停车位置。这样看来这个方法一点都不好,还是要采用自动检测停车位的方法。
其中一个想法是识别停车计时器并假设每个计时器旁边都有一个停车位:
但是这种方法也有一些问题。首先,并不是每个停车位有一个停车计时器,而且我们最想先找到免费停车位。第二,知道停车计时器的位置还不能告诉我们确切的停车位置点。
另一个想法是搭建一个目标检测模型,找到在马路上画的停车位记号,就像下图标识出来的:
这种方法也有两个难点。首先,从远处看,停车位线的标志很小,很难看到,增加了识别难度;其次,道路上还有各种交通标记线,比如车道线、人行道斑马线,这也给识别增加了难度。
或许还可以换个思维方式,回避一些技术挑战。重新思考停车位到底是什么呢?无非是一个车需要停放一定时间的位置。所以我们可能根本不需要检测停车位,只要检测出长时间不动的车,并假设它们的位置就是停车位。
所以,如果我们能检测出汽车,并找出哪些车在视频帧之间没有移动,就可以推断停车位的位置。
在图像中检测汽车
在视频中检测车辆是一个经典的目标检测问题。有很多机器学习方法可以实现。下面列出了一些最常见的目标检测算法:
1、通过 HOG(梯度方向直方图)目标检测器检测出所有的车。这种非深度学习方法运行起来相对较快,但它无法处理汽车在不同方向上的旋转问题。
2、通过 CNN(卷积神经网络)目标检测器检测所有的车。这种方法是准确的,但是效率比较低,因为同一张图像必须扫描多次,以检测到所有的汽车。虽然它可以很容易地对不同旋转方向的汽车定向,但是比 HOG 方法需要更多的训练数据。
3、使用新的深度学习方法,如 Mask R-CNN,Faster R-CNN 或者 YOLO 算法,兼容准确性和运行效率,大大加快了检测过程。一旦有大量的训练数据,在 GPU 上运行也很快。
通常来说,我们希望选择最简单可行的算法和最少的训练数据,而不是一定要用那些流行的新的算法。基于目前这种特殊场景下,Mask R- CNN 是一个不错的选择。
Mask R-CNN 架构就是在整个图像中检测对象,不使用滑动窗口的方式,所以运行速度很快。有了 GPU 处理器,我们能够每秒处理多帧的高分辨率视频,从中检测到车辆。
Mask R-CNN 为我们提供了很多检测到的信息。大多数目标检测算法只返回每个对象的边框。但是 Mask R-CNN 不仅会给我们每个对象的位置,也会给出一个对象的轮廓,像这样:
为了训练 Mask R-CNN 模型,我们需要很多这类检测物体的图片。可以花几天的时间出去拍摄照片,不过已经存在一些汽车图像的公共数据集。有一个很流行的数据集叫做COCO(Common Objects In Context的缩写),它里面已经有超过 12000 张汽车的图片。下面就是一个 COCO 数据集中的图像:
这些数据可以很好的训练 Mask R-CNN 模型,而且已经有很多人使用过 COCO数据集,并分享了训练的结果。所以我们可以直接使用一些训练好的模型,在本项目中使用 Matterport 的开源模型。
不仅能识别车辆,还能识别到交通灯和人。有趣的是,它把其中一棵树识别成“potted plant”。对于图像中检测到的每个对象,我们从 MaskR-CNN 模型得出以下 4 点:
(1)不同对象的类别,COCO 模型可以识别出 80 种不同的物体,比如小轿车和卡车。
(2)目标识别的置信度,数字越大,说明模型识别对象的精准度越高。
(3)图像中物体的边界框,给定了 X/Y 像素的位置。
(4)位图“mask”说明了边框内哪些像素是对象的一部分,哪些不是。使用“mask”数据,我们也可以算出物体的轮廓。
同时会得到检测的每辆车的像素坐标:
这样我们已经成功地在图像中检测到了汽车。接下来到了下一个步骤。
探测空车位
知道图像中每辆车的像素位置后,通过观察连续多帧视频,可以很容易地算出哪帧里汽车没有移动。但我们如何检测到汽车何时离开停车位?经观察,图像中汽车的边框部分有所重叠:
如果假设每个边界框代表一个停车场空间,这个区域即使有车开走了,但是仍可能被另外汽车部分占据。因此我们需要一种方法来测量重叠,检查出“大部分为空”的框。我们使用的度量方法称为 Intersection Over Union(IoU)。通过计算两个物体重叠的像素量,然后除以两个物体所覆盖的像素:
有了这个值,接下来就可以很容易确定一辆车是否在停车位。如果 IoU 测量值低,比如 0.15,表示汽车并没有占据大部分的停车位空间。但是如果测量值很高,比如 0.6,就表示汽车占据了大部分的停车位,因此可以确定停车位已被占用。
结果显示为:
在二维数组中,每一行表示一个停车位边界框。同样的,每一列表示停车场被汽车所覆盖的程度。1.0 分意味着汽车完全占据了,而 0.02 这样的低分数,意味着有重叠区域,但不会占据大部分空间。
要找到无人使用的停车位,只需要计算出这个数组。如果所有的数都是 0 或者很小,也就表示空间没有被占用,因此一定是空停车位。
尽管 Mask R-CNN 非常精确,但目标检测并不能做到完美。有时也会在一段视频中漏掉一两辆车。所以在定位到一个空车位时,还应该检测在一段时间内都是空的,比如 5或10帧连续视频。这也可以避免视频本身出现故障而造成误检。一旦看到几个连续视频中都有空车位,马上发送提醒通知!
发送消息
最后一步是发送 SMS 提醒消息。利用 Twilio 通过 Python 发送 SMS 消息非常简单,基本上几行代码就可以实现。当然,Twilio 只是这个项目中用到的方法,你也可以用其他方式实现。
要使用 Twilio,先要注册一个试用帐户,创建一个 Twilio 电话号码并获取您的帐户凭证。然后,您需要安装 Twilio Python 客户端库:

〓水下机器人15年,从浅海到深渊

〓水下机器人15年,从浅海到深渊
抬头望星空,浩瀚、宁静且充满奥秘,低头探海洋,如天空般蔚蓝、如宇宙般深邃。海洋是一片神秘的领域,自古以来,有关海洋的传说不计其数,我们都向往大海,但大多时候只能在岸边欣赏其美,水下的世界仍旧充满未知。随着科技的发展,人类在不断加深对海洋的探索,揭开海洋的神秘面纱。今天,在SELF讲坛,来自中科院沈阳自动化研究所的李一平研究员,带我们巡游海洋最深处,回到生命的故乡。
大家下午好。我是来自中国科学院沈阳自动化研究所的李一平。很高兴有这样的机会跟大家分享我们研制水下机器人的经历。我本人从事的专业是水下机器人研究,所以大家可能听起来感觉比较酷,我自己也觉得这是挺有趣的一件事情。
过去的几年中我们做了一些工作,通过媒体的报道,大家可能也有所耳闻,今天我们请水下机器人作为主角,带大家去看一看水下到底是怎样的奇妙世界。
说到水下机器人,大家可能更多是通过媒体来了解,比如2016年,我们研制的“海斗”号下潜到了马里亚纳海沟,挑战深渊的最深处——海沟的底部,当时大家都觉得,中国人终于造出了能够到达海洋最深处的水下机器人。
我们首先要讲一讲它的特点。通常,我们说水下机器人的发展有60年的历史,这主要指世界水下机器人的发展历史,对于中国,我们大概经历了30多年的水下机器人发展过程。水下机器人主要分成两种:遥控水下机器人和自主水下机器人。
对于遥控水下机器人,需要电缆将它和母船进行连接,母船通过电缆为它提供能源,它通过电缆向母船回传获得的数据。整个过程中因为有母船的支持,所以它不会跑得很远,也正因此,它只能在水下的一个小范围,或者局部范围内做定点观测。
通过这些图,大家可以看到水下机器人在水中巡游时拍到的一些水中生物的情况。对于大型的遥控水下机器人,有时我们会给它装上机械手,以便它在水下进行取样作业。
下图显示的是我们在2017年研制出的我国第一台6000米级的遥控水下机器人,当时,它在水深5600米的地方布放了一个标志物和一面国旗。那时我们觉得这个机器人是能够下潜到6000米级深度的唯一一个遥控水下机器人,所以我们在那个地方布置了一个标志物,表明我们曾经到达过这里。
另外一种是自主水下机器人,也是我加入团队时开展研制的一类水下机器人。我们从20世纪90年代初期开始研制自主水下机器人,到现在经历了20多年的时间。
这类水下机器人最大的特点是没有脐带电缆的约束,可以在海中走得更深更远,所有的能源通过体内携带的电池提供,所以我们在设计的时候,要让它的外形呈良好的流线型,保证它在水中走得更深更远。
自主水下机器人还有一个特点,正是因为它没有和母船连接的电缆,所以获取的数据需要等它回来才能导出,也就是说,我们不能实时获得数据。
做过这两类机器人后,我们想,能不能做一种新型机器人,代替我们去更远的未知海域。遥控水下机器人(ROV)有电缆的约束,自主水下机器人(AUV)没有电缆的约束,但数据不能实时传输。
所以我们想能不能研制一种新型机器人,既可以大范围运动,也可以在局部范围内做精细的观测。这就是我们最初提出自主遥控水下机器人设计理念的雏形,我们把这种新型水下机器人叫作ARV,它的英文名字来源于ROV和AUV。
引发我们这个想法的还有一件事。2003年,我国一台遥控水下机器人去北极进行了一次观测活动,是我国机器人历史上比较重要的一件事情,意味着我们开拓了新的应用领域。
机器人从北极返回后,我们就在想它还有哪些不足、还要做哪些改进。那时我们想能不能把那根电缆去掉,或者以另外一种电缆的形式呈现。基于此,我们提出了ARV的设计想法,我们想到用光纤来代替原本很粗的脐带电缆,有限的范围内可以装更长的光纤,保证机器人走得更远。
回想起来,从最初有这样的想法到最后在极端环境下的应用,实际上经历了15年的时间,这张图显示了我们研制水下机器人的时间线。2001年,我们在张艾群主任的建议和支持下,申请到了创新基金项目,研制一个遥控水下机器人和自主水下机器人都能用得到的小型控制系统。
水下机器人的核心实际就是计算机的控制系统,所以我们想做一个能够在刚才说到的两种机器人,甚至未来全新的机器人上都可以用得到的控制系统。我们用了将近两年的时间,利用一个旧的遥控水下机器人平台帮我们实现了这样的想法。
后来,我们又申请到了同样的项目,来做新型ARV关键技术验证平台。对于ARV这种混合式机器人来讲,亟待解决的核心问题有很多,其中最重要的一个就是替代电缆的光纤。
当时,我们访问了光纤的生产厂家,告诉他们想要做什么样的水下机器人,希望能够在水下机器人上搭一根光纤,他们也讲了光纤的生产过程。不过,当时的光纤主要应用在通讯领域,没有在水下机器人身上应用过。
他们还带着我们做了一些试验,我们也测试了光纤的拉力及其他相关参数。经过不断地试验,最终在2005年,我们把设想的混合式机器人做出来了。紧接着,我们在水库进行了湖上试验,来验证这种机器人能不能自由航行,或者说它还有哪些问题需要改进。
在后续的这些年里,我们不断地探索,不断地失败,不断地寻找新的解决方案,最终做了五型的机器人,让它在极端环境,比如北极、马里亚纳海沟都得到了实际应用。
现在我们来谈一谈这种混合水下机器人(ARV)是如何在北极和马里亚纳海沟工作的。
说到北极,大家可能想到的就是被海冰覆盖着的、白雪茫茫的一片冰雪世界。的确,北极是一个冰的世界,但厚厚的海冰下是一片海洋。
水下机器人在北极得到应用,要面临几个挑战。极地是一个高寒地区,水下机器人所有的元器件都要耐得住低温;极地还是一个高纬度地区,在北极极点,所有的导航设备、磁的设备都会失灵。
还有一个挑战,北极的海冰并不是固定在海面不动的,海冰随着时间在漂移,所以你今天到的地方,明天如果想再去,没有好的导航系统帮助,你可能就去不了了。
但是,科学家们希望我们能够让水下机器人在北极看一看海冰的分布情况,因为极地气候是导致全球气候变暖的主要因素,科学家们想通过研究极地海冰融化的速度来了解它对全球气候的影响。
机器人做出来之后,我们一共参加了三次北极科考。2008年,第一型的北极ARV系统完成研制工作。因为9月份“雪龙”号要前往北极,所以春天我们已经将机器人成功研制出来了。接着,我们在水库进行了模拟海冰情况的湖上试验。当时在国内我们找不到有像北极海冰那么厚的冰的海域,所以只能通过湖上试验来测试机器人的系统。
但机器人到了北极具体该怎么用,我们却拿不太准,毕竟连人类都很少去北极。考虑到大家没有在北极使用水下机器人的实操经验,第一次用的时候,我们找了一个相对开阔的海域,通过“雪龙”号搭载的“中山”艇把机器人放下去。通过视频大家可以看到,机器人在海冰的边缘和底下航行,那是科学家头一次看到北极海冰下的壮观景象。
还有一件有意思的事情,以往我们做的水下机器人都是看海底或者水体,但这个机器人却是要向上看海冰,因此所有的传感器、观测设备都要向上安装,这样机器人在行走的时候,我们才可以清楚地看到冰下的世界。
2010年,这一型机器人又参加了中国的第四次北极科考。有了上次的经验,这次我们知道要找一个比较开阔的海域投放机器人,可实际上,找到这样的区域是非常困难的。
我的几个同事花了三天的时间凿了一个冰洞。冰洞的大小约是2米×1米,海冰的厚度达1.8米,这个冰洞所在的纬度是北纬87度,而纬度最高就是90度,所以凿冰洞的工作难度也是相当大。
通过这个冰洞,我们把水下机器人投放下去,待它执行完任务后,再把它从冰洞里回收起来,这就对机器人提出了很高的要求:完成任务后还要能回到原投放地。
经过这次北极科考,我的同事们都觉得机器人的体积还是大了些,凿冰洞也比较费时间,下次再去的时候一定要把机器人做的小点。现在大家看到的就是体积只有原来一半大小的改进后的机器人。
2014年,我们再次去了北极。有了上次的经验,这次我们花的时间就少多了。下图这就是机器人从冰洞口被投放下去的过程,通过机器人,我们可以看到海冰下冰的裂缝以及海冰融池等诸多情况。
刚才跟大家分享的是水下机器人在北极的应用情况,当初做机器人的时候,我们想机器人还需要到另一个极端环境——海底深渊去看一看。我们把深度为1000米的海域定义成深海,深度在6000米以上的海域就叫深渊了。
2014年,我们的海斗深渊专项项目获得了中科院先导专项的资助。深渊是一个又细又长的区域,从纵剖面看呈漏斗状,所以我们把它形象地称为海斗深渊。
马里亚纳海沟是世界上迄今为止大家所知最深的深渊,世界上很多科学家都想研究这个海沟,深渊技术的发展和开展深渊科学研究,都将面临巨大的挑战。
对于从事机器人研制工作的我们而言,设计一款机器人,让它到深渊去看一看,从而获得一些数据供科学家研究海底深渊的生物、深渊的地质是非常有必要的。
过去的三年中,我们经历了很多次试验,从实验室到湖上,从浅海到深海,试验一步一步走过来。在深渊环境,最大的技术难点就是耐压、抵御黑暗以及寡营养。马里亚纳海沟是目前已知的世界上最深的地方,大部分水深在8000米以上,最大水深超过10000米,我们的机器人必须要耐得住海底强大的压力。
水深10000米的地方大气压大概是100兆帕,这是什么概念?1cm2要承受1吨的压力,而1cm2是多大?也就是大家拇指指甲盖的大小。指甲盖大的面积要承受1吨重的压力,恐怕任何物体到了深渊都会被压成饼吧!所以我们研制水下机器人,最主要的就是要解决它的耐压问题,保证它能顺利下潜到马里亚纳海沟的底部。
其实早在1995年,我们就制造出了我国的第一个6000米级的自主水下机器人,但从6000米到11000米还有5000米的压力难度等着我们去攻克。经过很多次的试验,方案推倒了重来,失败了再重新做,终于,我们把机器人送到了深渊的底部,我们把这一过程笑称为“走向深渊”。
下图显示的是“海斗”号做浅海试验时在水深几十米地方拍摄到的海参,以及3000米海试时拍摄到的海底生物图片。
下图是2017年水下机器人在马里亚纳海沟底部安全着底时实时传输的海底视频截图。当时,母船上的很多科学家都是第一次看到深渊的景象,感觉像回到了远古时代,回到了那个以前从来没有人类去过的地方,看过通过光纤传输过来的深渊视频,大家都非常兴奋。图中的轨迹就是“海斗”号在海底进行坐底航行时留下来的,这个轨迹也永远地留在了马里亚那海沟的海底。
做了这么多机器人,我们更多的时候在想:未来的水下机器人会是什么样子?是遥控水下机器人ROV,还是自主水下机器人AUV,还是自主遥控水下机器人ARV?是它们三种的结合体,或是一种全新的机器人?一切皆有可能。但不管怎样,我们可以用一句话概括未来的机器人的发展方向——更深、更远、更强。
更深和更远大家很好理解,就是机器人能在水下走得更深,能航行得更远。我们现在去了马里亚纳海沟,那里水深10000多米,以后机器人还将去更深的海域。现在机器人可以航行上千公里,以后一定要航行得更远才行。
对于更强,我觉得有很多方面的含义,比如,未来的水下机器人可以携带更强的作业工具,能够完成更复杂的海底作业,甚至不用人来遥控,而是自主地完成任务。
还有一种情况,就是完全自主的机器人携带机械手完成复杂的海底作业。或者是仿生的机器人,跨介质的机器人,能够在水下巡游、在水面航行、在空中飞行。要达到这样的目的,我觉得最重要的是智能,不是做一个完全跟人类一样智能的水下机器人,而是赋予机器人更高的智能,这些通过技术的发展是可以实现的。
机器人智能的标志是什么?简单说,就是通过它自身携带的传感器感知水下的世界,通过这些传感器或者计算机控制系统知道自己在哪儿、要到哪儿去,从而做出合情合理的决策,到了指定区域,知道该怎么开展工作,这些就是机器人智能的体现。
这种智能可能体现在单个机器人上,也可能体现在一群机器人上,相同的机器人或不同的机器人通过合作完成复杂的水下作业任务。当然,还有可能通过人的意念来控制机器人,让它完成更为复杂的水下任务。
所有这些,我相信随着技术的发展,在不久的未来都能成为现实,只不过这需要经历时间的磨炼,也需要科研工作者不断地进行探索和追求。
最后我想借用封锡盛院士的一句话来结束今天的报告:人类源自海洋,但是人类已经无法回到故乡。不过,我想今后借助水下机器人,我们一定能实现重返故乡的梦想。我的报告就是这些,谢谢大家。

春节送礼机不可失 旗舰商务手机选购指南

■■新春佳节是走亲访友送礼沟通感情的最好时机,而作为我们日常生活的必需品,实用又有分量的手机也成了不少朋友准备礼品的首选,不过机海水深究竟该如何挑选呢?说到送礼呢,最重要的就是诚意二字,得让送礼人有面子,更得让收礼的人看得上眼,因此什么千元机学生机自然要排除在外,而在高端旗舰手机当中,也有不少滥竽充数以次充好的产品,我们必须要擦亮双眼谨慎选择,否则银子也没少出,送到他人手里还不落好就太冤了。今天新浪手机给大家挑选了几款旗舰商务手机,有此项需求的网友们不妨看过再决定。
一加手机6T
首先我在这里说一下,为什么我说一加6T手机比较适合商务人士用呢?因为商务人士经常会出差,如果是在国内还好,如果是国外的话,他肯定需要一款支持全球多个网络频段的手机,不然到了海外联系不上就不好了,如果在这里你是用的一加6T手机的话,完全不用担心这些问题,也不用担心没有信号,一加6T手机支持200多个国家4G网络,在全球大对数国家你都不用担心没有信号问题,它还有全球的商务功能,这个对于商务人士经常出差来说,是一个很便捷的方式,所以说你所担心的在这里都不是问题了。
一加6T采用6.41英寸19.5:9比例的Optic AMOLED水滴全面屏,支持sRGB、DCI-P3广色域标准,并首次支持屏幕指纹识别,拥有墨岩黑、亮瓷黑、电光紫三款配色。一加6T搭载高通骁龙845顶级处理器,配备6/8GB LPDDR4X内存、128/256GB UFS 2.1存储,运行Android 9.0系统,电池容量3700mAh并支持闪存,续航表现一加史上最好,而且加入了Smart Boost内存优化技术、游戏模式3.0,与腾讯王者荣耀、网易联合游戏实验室深度合作,游戏加载速度提升最快20%。
一加6T采用的是后置2000万+1600万的双摄像头配置,并且升级了超级城市夜景模式和专业人像光效,自主研发的夜景 HDR、抖动、降噪、增强解析算法,能呈现出夜景真实震撼的画面。具备智能拍摄功能,可以根据拍摄内容自动优化照片。前置也同样采用的是1600万像素的摄像头,支持AI人脸模式。
终于,2018年华为亮度旗舰新品发布盛典在上海召开,发布会上的各类新品应接不暇。但最为抓人眼球的,依然是代表国产旗舰手机巅峰的华为Mate 20系列手机。这次华为Mate 20系列发布了四款手机,其中尤以Mate 20 Pro搭载了多项黑科技让人津津乐道。
华为Mate 20 Pro采用6.39英寸曲面OLED异型全面屏,分辨率3120×1440,采用八曲面3D玻璃机身,高度对称设计,搭载麒麟980处理器,配备6+128GB/8+128GB/8+256存储组合,预装基于Android 9.0的EMUI 9.0。配备4200mAh大电池,支持10V/4A的40W超级快充,并且还支持无线反向充电,也就是可以为其它手机进行无线充电。华为Mate 20 Pro拥有立体声扬声器,巧妙地使用了底部的USB-C端口作为扬声器,另外其防水等级达到了IP68。网络方面,Mate 20系列全球率先支持LTE Cat.21,最快下行1.4Gbps速率;WiFi连接速率高达1733 Mbps,还支持双频GPS和双VoLTE。
华为Mate 20 Pro背面的三款摄像头分别是4000万像素Quad Bayer传感器,f / 1.8广角镜头;2000万像素传感器,f / 2.2超广角镜头;以及800万像素f / 2.2长焦镜头(支持3倍光学变焦)。Mate 20 Pro支持2.5厘米微距拍摄,支持AI Cinema Mode,可以调整剪辑的色彩,饱和度和亮度。在前置摄像头上,华为Mate 20 Pro也是毫不吝啬。作为重磅产品的Mate 20 Pro,采用了F/2.0最大光圈的2400万像素摄像头,支持3D 深度感知相机。
三星Note 9作为三星Note系列最新的产品,它采用一块分辨率高达2960×1440的全视曲面屏,可以让我们的视野更宽广,无论是屏幕色彩还是画面细腻度都是当前手机中的顶级水平,带来的视觉效果非常震撼。除此以外,三星Note9还采用了精湛的金属切割工艺,打造呈现出精致的多切面的金属窄边框,其中细节处彰显奢华品位,整机略显方正,充满了浓浓的商务气息。
三星Galaxy Note9配备了一块6.4英寸的Super Amoled全视曲面屏,分辨率达到2960×1440,像素密度达到 516ppi,搭载高通骁龙845处理器,提供6GB+128GB和8GB+512GB两个版本,配备了4000mAh的大电池。其它方面,三星Note9依然配备个性的S Pen手写笔,并加入了金黄色全新配色。数据接口位于则依然位于机身底部,并保留了3.5mm耳机接口,同时还支持IP68防水,AKG调音的双扬声器、无线充电等。
三星Galaxy Note9后置双摄采用了与S9+同样的双1200万像素的规格,同样搭载可变光圈技术,同样拥有960帧的超级慢动作拍摄。前置摄像头依旧是800万像素的规格,与前代一样。不过别看三星摄像头的参数不怎么样,三星在拍照方面的调校一直都是行业顶尖,每一代旗舰都是拍照机皇。
中兴天机Axon 9 Pro最主要的还是标榜为自己为商务机,于是它也加入了一个商务方面的功能,大家可以通过扩展的方式来将Axon9 Pro连接上液晶屏,这样的话,手机就成为了一台微型电脑,可以满足一部分的办公需求。
中兴天机Axon 9 Pro采用当下较为流行的外观设计,正面采用刘海屏,屏幕尺寸为6.21英寸屏幕比例18.7:9,分辨率为2248×1080,搭载高通骁龙845处理器,配备8GB运行内存,256GB机身存储,同时最高支持2TB存储卡扩展。该机内置4000毫安时大容量电池,支持IP68级防尘防水。同时,该机还内置超线性双扬声器,支持杜比全景声,搭载最新的Mifavor UI 6.0,还会为用户清理赘余的垃圾文件和碎片,有效避免系统卡顿,使操作更流畅。
中兴天机Axon 9 Pro引入了AI智能快拍,后置搭载12MP+20MP像素的后置双摄像头,支持1.4um大像素,F1.75大光圈,OIS光学防抖和130度超大广角,轻松驾驭多人物运动状态下的大场景拍摄,带来更为宏大的视野。前置方面,天机Axon9 Pro提供一枚20MP像素的摄像头,支持前摄人像虚化。

2019年,你最期待哪个品牌的手机?苹果可能要糊了

2018年就这么过去了,2018年年初立下的flag实现了吗?减肥成功了吗?钱包鼓起来了吗?如果没有,别慌,熬过了2018年的寒冬,还有2019年的寒冬。同样的,2019年,也是各大智能手机厂商的又一个“寒冬”。
2018年,智能手机的出货量整体是走下坡路,国内智能手机的市场份额基本是四分天下,国际手机品牌在中国市场的份额进一步被挤压,今年手机行业,也将是一个“寒冬”。
苹果
近日,苹果下调了2019财年第一季度营收预期,从此前的890亿-930亿美元下调至840亿美元,原因是升级新款iPhone的用户人数较少,iPhone的收入低于预期,在大中华区销售疲软,加上和高通的专利纠纷也让苹果焦头烂额。
iPhone除非大规模降价,不然iPhone销量不景气的情况估计还会持续。至于新机的话,现在还没有消息曝光。
华为
华为和荣耀双品牌在今年给华为带来的曝光率和销售量,都让别的手机厂商羡慕不已。国内市场份额的头把交椅已基本坐实,而国际市场上则能够近一步追赶三星。
今年即将发布的华为P30,余老板曾声称“这会是华为截至目前最强大的旗舰手机”!
之前的Mate20 Pro的无线+反向充电确实挺让人惊喜,华为P30还是挺具看头的,加上有麒麟海思和创新研发的投入,华为上溯到高端智能设备的势头还是挺强的。
vivo
vivo依靠vivo NEX和双屏版,保持了去年增长的出货量。今年,主打拍照的vivo X25即将发布,以及vivo的概念新机,或将是100%占屏比+隐藏式摄像头+5G网络,这都很让人期待。
不过由于国内市场的饱和,海外市场或许也将成为vivo接下来一年的重要业务。
OPPO
今年OPPO可能会带来打孔屏设计的OPPO F11 Pro,支持多种的快速充电技术,支持5g网络。
而且目前OPPO还有双面屏产品未发布,前几年已经展示过的10倍无损变焦镜头技术也没有发布,这些技术加持的产品,在今年发布或许会是一大看点。
小米
米家“开年第一件大事”就是将在1月10日召开全新独立品牌红米Redmi发布会。同时,而且不排除发布会上推出新的红米系列产品的可能。今年小米出货量的重要来源就是海外的印度市场,红米Redmi专注性价比也应该与这有关。
不过去年发布的新机基本亮点不多,今年应该也是比较稳。目前曝光的小米9的亮点也不多,小米的生态圈和海外市场应该是小米今年的重点发展对象。
魅族
魅族在2018年的标签应该是“一直处于缺货状态”,魅族16th发布以后,供应链的软肋就凸显出来了,而相反,隔壁馋哭的小米,最不缺的就是供货。
今年,魅族有望推出旗下的首款水滴屏新机,或将支持无线充电功能。不过在产品创新上似乎不会有太大变化,至于能不能买得到,可能要靠点运气。
三星
放弃了中国市场,对于三星来说,既“心疼”也“肉疼”。但是,三星靠着对行业屏幕、内存等依然占据着硬件行业的巨头位置。
近日公布的《2018年全球企业知识产权指标排行》中,三星排名第二,可以看出三星在研发创新方面,依然是很舍得投入。
今年的三星S10也很可能支持5G网络,三星能否靠着5G重返巅峰,收获东南亚和印度等市场,我们就不得而知了。
总体上来看,明年的手机创新应该都不多,整个市场已经进入一个疲软的状态,5G将成为明年的竞争重点,5G能否给部分手机厂商打赢一场“翻身仗”,我们一起拭目以待吧。
你最期待的手机是哪个呢?一起留言区来唠一唠吧!

让人工智能更好造福人类

以类脑智能引领人工智能发展是科技领域的重大创新,将给人类社会发展带来新机遇。从全球治理到社会生活,从国家发展到家庭建设,都将因这一领域的创新而发生重大变革。
当前,我们正处于新一轮科技革命和产业变革大潮之中,以互联网、大数据、人工智能为代表的新一代信息技术日新月异。在新一代信息技术中,人工智能正在大放异彩。习近平同志指出:“新一代人工智能正在全球范围内蓬勃兴起,为经济社会发展注入了新动能,正在深刻改变人们的生产生活方式。”把握人工智能发展的新机遇,以类脑智能引领人工智能发展,实现人工智能普适化,将对经济社会发展产生重大影响、对人类文明进步产生重大影响,使人工智能更好造福人类。
人工智能有着改变社会的巨大潜力。放眼当下,人工智能正有力提高经济社会发展的智能化水平,有效增强公共服务和城市治理能力;展望未来,人工智能必将为经济社会发展持续注入新动能。但也要看到,传统人工智能主要依靠机器学习算法,通过计算机强大的运算能力对大量数据进行抽象和总结,转化为一类特定的计算模型,最终实施在特定的应用中。传统人工智能这一运行模式也带来一些问题:知识引导方法长于推理,但是难以拓展;数据驱动模型擅于预测识别,但其过程难以理解;策略学习手段能对未知空间进行探索,但其依赖于搜索策略。可见,如何有效发挥数据驱动人工智能与知识引导人工智能的各自优势,是当前人工智能发展面临的难点问题。
在这一背景下,脑科学和类脑智能研究成为当今世界科技发展的前沿和热点。以类脑智能引领人工智能,实现人工智能普适化,将对人类文明进步产生重大影响。脑科学研究发现:为了应对各种认知任务,大脑要在短时间内保存和处理各种感兴趣的信息,完成这个过程的大脑系统就是“工作记忆”。工作记忆是形成语言理解、学习与记忆、推理与计划等复杂认知能力的基础。此外,基于生物层面的神经突触信号传递作用机制、脑区间环路特征、脑信息表达与处理等成为研究热点,这些都为人工智能的突破性发展提供了新的方向。可以预见,通过脑科学的深入研究和神经机制的系统解析,“破译”大脑信息处理与神经编码的原理,再通过信息技术进行参照、模拟和逆向工程,将会形成以“类脑智能引领人工智能发展”为标志的新一代人工智能发展路径。
人工智能涉及范围极广,需要多方参与、共同努力。全面了解大脑机制和功能更需要长时间的探索,这种创新往往需要高度专业性和长时间的储备与积累。对于我国来说,尤其需要把握好以下两个方面。第一,脑科学和类脑智能研究要以提升自主研发能力为目标,以既有资源禀赋和研发优势为主攻方向,以“双一流”交叉学科建设和跨学科人才梯队培养为抓手,实现未来人工智能领域的重大原始突破,进而利用类脑智能技术推动产业升级、民生改善。第二,要做好相关人才培养工作。近年来,包括我国在内,不少国家高度重视推动人工智能领域的科技创新和人才培养。2017年7月,国务院印发《新一代人工智能发展规划》,明确提出以提升新一代人工智能科技创新能力为主攻方向,构建开放协同的人工智能科技创新体系,把握人工智能技术属性和社会属性高度融合的特征。贯彻落实这一发展规划,对人才培养提出了很高要求。当前,推动脑科学、类脑智能、人工智能发展,需要大力建设人才队伍,为相关科研提供人才支撑。
以类脑智能引领人工智能发展是科技领域的重大创新,将给人类社会发展带来新机遇。从全球治理到社会生活,从国家发展到家庭建设,都将因这一领域的创新而发生重大变革。需要指出的是,技术只有与情感、伦理等人类最朴素的需求相结合,才能迸发出真正符合人性的创新点。只有这样的创新才是正向的创新,只有这样的发展才能促进人类生活更加美好。如何处理好人工智能在法律、安全、就业、道德伦理和政府治理等方面提出的新课题,既是时代之问,也需要时代之答。

物流行业未来五年竞争重心在哪里?听听菜鸟CTO谷雪梅怎么说!

IoT(物联网)时代到来!谁不数字化、智能化谁就会被淘汰。菜鸟网络CTO谷雪梅表示, 2019年IoT将成为最重要技术趋势,将决定未来五到十年的物流业竞争格局。
刚刚过去的2018年,物流业形成了“1+8+N”的网络协同效应,全社会物流要素进一步通过技术连接、升级。菜鸟也在2018年宣布全面打响IoT战略,引领行业数字化、智能化进程,大量前沿、新兴科技深入应用在物流领域。
未来园区、AG、小蓝人、麒麟臂、无人车、菜鸟物流天眼、智能语音助手……从拣选到分拨,从干线到末端,IoT正在带来行业万物智能新时代。
“这是我们认为IoT将在新一年成为最重要技术趋势的原因,特别是在物流领域。在IoT的连接下,物流行业将迎来新的黄金十年,成为推动商业升级变革的关键基础设施。”谷雪梅说,“IoT将给传统物流装上数字化升级的翅膀,带领全球物流行业进入新的时代。”
谷雪梅介绍,IoT不是孤立的技术,而是叠加机器学习和人工智能、运筹学和全局优化、区块链等技术形成物流行业的巨大商业价值。当前物流业革新的最大瓶颈在于仅完成了基本的信息化,数字化程度还不够,物联网技术将解决这一关键问题,加快实现行业从数字化到智能化的转型。
2019年开启,菜鸟科学家预测,围绕IoT这个重大核心技术战略,人工智能、区块链、机器视觉、实时计算、柔性自动化等技术将呈爆发趋势,并在“1+8+N”的物流骨干网中加快落地应用,驱动整个物流业从人力密集型向资本、技术密集型转型。
IoT(物联网):形成一张智能物流骨干网
2018年芯片、硬件以及5G技术等的发展将会深刻影响物流行业。2019年,针对物流领域的芯片定制,支持云边端一体化的存储计算模型形成突破,5G技术应用,基础感知领域如室内定位、RF、深度感知等技术的综合应用都将为物流行业带来改变。
总体来看,IoT、大数据和AI技术的结合,最终使得物流行业智能化,精准的预测和智能在线决策、调度在物流各环节发挥影响力,形成一张充满智慧的物流骨干网。
IoT+人工智能:建立基于全局视角的智能
服务体系
2018年,全行业从业者都充分意识到了物流服务链条的优化需要做到全流程的可预测,可规划,可调度,可反馈这样的运作闭环才能最大化提升实物流的服务效率,降低运作成本。
2019年,人工智能技术将针对物流服务的链路长,模式复杂,不确定性高等特点,建立基于全局视角的离线规划和在线动态调整的智能服务体系。离线规划环节,要建立基于全局视角的供需匹配服务网络,网络的设计具备抵抗不确定需求的动态调整能力。在线服务环节会利用大数据建模能力,预估每一个在网络中流动包裹的状态和时效,从而能更好把握网络流的状态,从而让每一份决策都能防患于未然。
IoT+区块链:迎来商用落地高潮
2018年,菜鸟区块链技术在供应链金融、产地溯源等领域应用。区块链技术与供应链金融相结合,可以有效将解决中小企业融资难和融资贵的问题。技术推进中,菜鸟也发现现在很多公司和行业对区块链技术仍然心存疑虑。不过随着2018年加密货币的暴跌,将使人们把焦点从炒币转移到区块链技术的实际应用。与此同时,各国政府从监管、政策方面引导区块链技术公司去解决实际问题。2019年,区块链技术将迎来商用落地的高潮,“联盟链”将会得到蓬勃发展。
IoT+实时计算:与边缘计算结合发挥数据
指导功能
2018,在物流数据领域,越来越多关于实时决策分析和实时数仓的讨论;在末端配送领域,实时匹配和规划运力已经成为越来越多技术平台的基础能力。双十一期间,面对超十亿的物流订单,菜鸟实现了物流行业最大规模的实时订单异常情况监控。结合物流履行数据,菜鸟的实时计算方案可以支持一秒钟百万级别的订单状态计算和异常情况判定,发挥了重要的数据指导作用。
2019年,大数据计算会越来越向着实时/离线计算融合方向发展。硬件性能的提升和容器化技术会让实时计算的成本更低,更容易在行业进行普及。对物流行业而言,随着IoT设备产生的数据量增长,实时计算会和边缘计算结合起来,在IoT等数据密集型监控场景上发挥越来越大的作用。
IoT+机器视觉:加速仓储自动化、管理智能化
目前,整个行业都在探索机器视觉技术在物流拣选方面的应用。不过,相比传统物流和生产制造行业,电商物流的场景更加复杂,自动化方案需要处理的SKU种类繁多,市面上传统的技术方案无法直接应用到电商物流场景。
2018年,借助于深度学习的强大能力,端计算设备的计算性能的增强,以及3D传感器设备的普及,菜鸟验证了基于电商物流场景的机器视觉自动化方案,实现了机械臂拣选和自动化的尺寸测量等。
2019年,可以预见的是,机器视觉技术在电商物流领域应用会更为广泛,在仓储自动化、管理智能化方面都将发挥更重要的作用。
IoT+柔性自动化:大规模复制时代的到来
2018年,菜鸟柔性自动化解决方案帮助行业。在电商品类多、业务波动大、变化快的特点下,菜鸟基于大数据处理的思想,创新作业模式,已在无锡未来园区上线了中国最大的机器人仓库。
2019年,柔性自动化系统和作业模式将逐渐收敛,沉淀出标准。菜鸟将和合作伙伴一起建立标准,推动仓储自动化系统的大规模复制时代的到来。
这意味着仓内数字化程度的大幅提升,整个仓储的作业模式将可编程、可调度、可优化,这是全链路智慧物流的基础,也将进一步促进和提升行业数字化和智能化水平。
0条

官方网站下载手机端app客户端最新软件

官方网站下载手机端app客户端最新软件
客户端,手机版,app,软件,下载,入口,注册,首页,进入,官网,网站
官方网站下载手机端app最新客户端软件
客户端,手机版,app,软件,下载,入口,注册,首页,进入,官网,网站
官方网站下载最新手机端app客户端软件
客户端,手机版,app,软件,下载,入口,注册,首页,进入,官网,网站

人工智能创企被风投热捧:去年获93亿美元风险投资

根据普华永道和CB Insights发布的最新报告,2018年,人工智能(AI)公司获得的风险投资总额大幅上升72%,达到创纪录的93亿美元。
此前3年,人工智能公司获得的投资额稳步增长,从2015年到2017年,平均年增长率为28%。2018年的大幅增长在一定程度上反映了存在泡沫的融资环境:2018年美国的风险投资总额达到995亿美元,创下自2000年以来的最高水平。
这也表明,人工智能行业正在引起更多的关注。根据斯坦福大学对相关资料的分析,去年注册参加人工智能和机器学习入门课程的大学生人数创下纪录,该领域的学术论文数量激增,而美国官员在国会的70多场会议上都提到了人工智能技术。
近年来,随着越来越多公司开始在各个领域采用预测算法和其他自动化技术,人工智能技术正趋于成熟。第四季度,美国人工智能领域最大的一笔交易是合成生物创业公司Zymergen的4亿美元融资。Zymergen利用人工智能机器人对微生物进行基因工程改造,创造出柔性玻璃等新材料,并优化现有材料,例如能抵抗雷达探测的涂料。
2018年全年,美国人工智能领域最大的一笔交易是自动驾驶汽车创业公司Zoox的5亿美元融资。不过,来自中国商汤科技完成了一轮总额更高的6亿美元融资。商汤科技销售人脸识别和对象识别软件,估值达到45亿美元,是全球最有价值的人工智能创业公司。
然而,这样的增长并不是均衡分布的。即使投资总额上升,但至少从2013年开始,人工智能的交易数量首次出现下降。这表明,投资者开始专注于他们认为能取得成功的公司。这种趋势在种子轮创业公司中表现得尤为明显,种子轮交易数量占比已从2017年的39%下降至2018年的30%。
CB Insights分析师迈克·霍利(Mike Wholey)表示:“种子轮公司很多。在开源产品的帮助下,创立一家人工智能公司变得非常容易。”