网易见外在AI技术加持下,支持一键生成双语字幕。用户都能够浏览海外热门短视频,通过人工智能听写英文、同步翻译成中文。也能自己上传中/英文短视频进行翻译,一般等上3-4分钟,机器就能把一段20分钟左右时长的视频翻译完成。集成语音识别、机器翻译、智能断句、字幕生成全维度功能并同时满足直播和录播视频翻译场景。其视频翻译功能,大多数表现在上传视频之后,通过AI自动完成字幕听写、翻译和时间轴切分等最耗时的环节,可以在平台上进行人工校对后,自动把字幕压制在视频里,便于批量制作字幕,降低人力成本,提高产出效率。通过视频听翻功能,等待翻译完成便可获得精准切分时间轴的双语字幕,其主要应用场景包括电视台、视频网站、字幕组等机构为视频添加字幕或翻译。另一项功能为直播听翻,即在上方区域可实时获得经过智能断句的中文文字内容,下方区域可实时获得对应的英文翻译内容。应用场景包括同声传译、直播字幕、会议速记等。
网易见外主要由三大核心技术支撑: 1.NMT神经网络机器翻译; 2.智能语音识别转写文字; 3.自动解析语音并即时切分时间轴 - 网易见外是国内首个集成语音识别、机器翻译、智能断句、字幕生成全维度功能并同时满足直播和录播视频翻译场景的产品,具备显著的差异化竞争优势。具体包括:功能差异:产品接口提供语音听写、自动切轴、视频翻译校对等全流程服务,能快速满足视频行业相关客户的翻译需求;服务差异:提供视频听翻全套API定制接口,能快速接入并实现功能;语种差异:专注于中英翻译,在中文识别和中译英领域,准确度优于竞品。
由视网膜毛细血管局部扩张而形成的微动脉瘤(MA)是糖网病最早期的病状,在眼底图像中一般表现为细微红点,随之出现的出血点(HE)、硬渗出(EX)与软渗出(SE)往往表明了糖网病的不同严重程度。目前,业内针对肺结节、糖网病检查等场景的医疗AI产品诊断准确率普遍很高,但是真实情况并非如此乐观。企业在训练自己模型时通常都有自己的数据库,各自的算法都是按照自己的数据来进行训练,然后以自己的数据来验证准确性。ISBI举办的IDRiD眼底图分析竞赛的目的是为各个参赛团队提供一个完全陌生的环境,来评估各个参赛团队自动检验测试和对糖尿病视网膜病变和糖尿病黄斑水肿进行分级的算法,以此来考验团队算法的实战能力。
IDRiD的眼底图像由位于印度马哈拉施特拉邦的一家眼科诊所的视网膜专家拍摄,从上万张图像中提取了516张来形成竞赛用的数据集。这个挑战的数据库IDRiD(印度糖尿病视网膜病变图像数据集)是印度人口的第一个数据库代表。此外,它是唯一一个由典型糖网病变和正常视网膜结构组成的数据集。该数据集提供关于糖尿病性视网膜病的疾病严重程度以及每张图像的糖尿病性黄斑水肿的信息。 专家证实,所有的图像都有充足的质量和临床上的相关性。医学专家对516幅图像进行了分级,并对其进行了各种病理条件的分析。在CSV文件中提供所有图像的分级。根据国际临床糖尿病视网膜病变量表,将糖尿病视网膜图像分为不一样的组。黄斑水肿的严重程度是根据在斑点中心区域附近出现的硬分泌物而决定的。 - 会议由国际医学影像顶级会议 ISBI 举办。
烟台高速交警支队成立之初信息化基础比较薄弱,再者烟台高速公路路况相比其他区域较为复杂,而由于编制原因,警力资源与辖区实际管控范围不成正比。由此,在 2015 年,烟台高速交警通过招投标方式,由设计院做了高速交警支队未来三年的建设规划,欲以智能化为主轴解决由于人员配置不足与信息化水平弱而带来的繁重的交通治理难题。该项目包含烟台市全境高速公路,到 2017 年 9 月,已建成通车里程为 507.2km,包括 G18 荣乌高速烟台段、G15 沈海高速烟台段、S11 烟海高速烟台段、S24 威青高速烟台段等 7 条主要高速公路。
在这些高速公路上,一期建设了 108 个视频球机、70 个全景枪机、 40 个主线 个应急车道抓拍、移动测速、 24 个交通诱导、89 个可变限速,执法站 17 个前端智能设备。
另外,该系统融合了交通、公安、社保、卫生等多个应用场景,使用前端系统作为数据支撑,融合高清视频监控系统、卡口信息管理系统、路况信息管理系统、违法信息管理系统、车辆速度控制诱导系统、指挥调度集成系统、重点车辆动态监管系统和社会化服务系统等八个应用和服务支撑系统。
在前后端智能化系统相结合的部署模式下,项目建成后能保证辖区范围内无论昼夜,都可以对道路交互与通行进行实时监控,实现信息采集、卡口抓拍、信息诱导、区间测速、缉查布控等一系列智能化应用。
深度学习技术够更精确地帮助识别车辆的各种特征,包括车牌、车型、车体等;此外,该系统中还将配备的相关模块,它能对进出烟台高速全境的车辆做分析,实时了解高速几百公里范围内的车辆从哪里出发去向哪里,未来对相关管理部门依据实况有效调度警力提供准确依据。通过整套产品能大大降低交通事故率,从烟台交警支队返回的数据分析来看,整套系统投入到正常的使用中后,每个月事故率相比前期中等水准下降 40% 左右。 其优势包括: 1. 由于采用深度学习等技术,系统适用性很强,在识别车辆特征及违背法律规定的行为时准确率有很大提升; 2. 前端产品采用了一体化设计,在一台设备中集成了抓拍、识别、处理、存储、上传等功能,不需要再配主机设备,安装部署十分便捷,成本低的前提下,稳定性也有提升;通过定制护罩实现了更高的防护等级(IP68),能适应高盐碱环境。
该项目的技术架构采用视频专网及公安网「双网双平台架构」。据悉,在此之前,烟台高速交警支队已经部署了基础版的交通管控平台,可实现部分基础应用。科达基于该版本,定制研发了「双网双平台架构」的架构,实现了烟台高速交警支队视频专网与公安网内各业务支撑系统的互联。
智能交通安全管理系统由应用支撑系统和指挥调度与服务系统两大部分所组成,应用支撑系统采集前端数据,为指挥调度与服务系统开展应急事件指挥、重点车辆监管等服务提供数据支撑。当出现重大交通事故,智能交通安全管理平台可与接处警系统对接,实现高速交通事故类接处警信息与数据共享。
与此同时,指挥中心也可通过平台获取的信息对突发事件进行决策指挥与调度处理。
此外,科达还为烟台高速交警支队建设了视频会议系统,实现了支队与烟台市公安局的日常可视会议、协同办公,支队与莱山大队、福山大队的日常可视会议、远程办公及可视指挥调度。
在日常工作中,视频会议系统可作为多方工作交流的媒介;在遇突发事件时,配合智能交通管控平台,支队可在第一时间获取现场的相关信息,及时与各大队召开视频会议,分享录像资料,沟通协调多方资源,开展扁平化指挥调度。
2. 由于烟台盛产水果,高速公路上有时会出现果农兜售水果,危险系数大,部署系统后能做到及时有效地发现、及时处置。
3. 高速公路货物运输车辆超载往往会导致重大交通事故。系统也可发现超载车辆的规律,及时查处打击超载违背法律规定的行为;对高速公路分流出口处车辆的逆行违法抓拍。
4. 对烟台高速境内的重点车辆自动识别并监控。比如危化品车、大卡车、大客车等。系统能对车辆自动识别、分类;为查处危化品车辆晚上 7:00 禁止通行、恶劣天气管控时车辆分流等精细化管理服务。
信息化完善之后,可以对这些车辆进行精准拦截、实时管控。它能够更精确地帮助识别车辆的各种特征,包括车牌、车型、车体等;值得一提的是,该系统中还将配备“高速大脑”的相关模块,它能对进出烟台高速全境的车辆做分析,实时了解高速几百公里范围内的车辆从哪里出发去向哪里,未来对相关管理部门依据实况有效调度警力提供准确依据。
借助基于出行大数据的人工智能平台「魔方」,摩拜单车可不仅仅可以对已发生的数据来进行归纳和汇总,还可对未来任意时间节点,任意地点的共享单车骑行状态进行精准预测。将地域,时间,天气,运力,车型,人群及其他数百个变量因子统统纳入体系,「魔方」对于预测特定地点未来某一时间的共享单车供给,客户的真实需求,车辆使用频次,停放状况等均可做出科学预测,为精准运维提供有效指导。「魔方」对假期全国各地的骑行特征与趋势做了一次预判。据「魔方」预测,由于海量休闲观光需求的释放,预计「十一」期间的日均骑行量将增长 25%,相应地,人均骑行距离将从平均不足 2 公里增加至近 3 公里,骑行速度将降低 15%,每公里骑行将多花 1 分钟时间,与工作日的明显早晚双高峰不同,小长假期间的骑行将呈现午前小高峰,下午 2 点到 5 点大高峰,晚间 8-9 点第二小高峰的特征,且深夜骑行用户大幅度的增加。因为部分地区的阴雨天气会给出游带来影响,总体而言 10 月 1 日-4 日的单日骑行量在 8 天假期中排名靠前。 共享自行车扩张到几百万辆,提高规模化运营效率则显得更重要,这就需要借助硬件,固件,软件,设计,大数据,云平台之间的紧密配合,否则就会陷入到运营效率低,车辆毁损率高,用户产品体验下降等诸多问题。「魔方」是人工智能 技术在共享自行车领域的首次大规模应用,目前,「魔方」已经在骑行模拟,供需预测,停放预测和地理围栏四大AI领域发挥巨大作用。
「魔方」的核心应用是对共享自行车全天候供需做出精准预测,为车辆投放,调度和运维提供智慧指引。魔方利用人工智能以及大数据技术,能够准确的通过历史数据对每个地铁口的车辆需求来做布点预测,优化投车方向和投车策略,魔方还能够准确的通过天气因素预测第二天的骑行量,根据实时监测车辆健康运营状况,辅助运营人员进行车辆回收和管理,并为车辆运营,管理,调度,规划最佳路径。另外,魔方还能轻松实现,不同街区,时间段的信息查询,违章停放图片智能识别等共享自行车平台本身需要承担的企业运营的责任。
阿里巴巴的智能城市方案试点,通过「ET 工业大脑」做多元化的分析,侧重实时监控。由于萧山道路两边都装有绿波带,监控摄像头等各项条件较好。因此阿里搭建了相应模型,控制红绿灯时间,以此来提升行驶速度。据后期实际的数据统计来看,一条有七八个路口的主干道,在最快的时候,大概能将通行速度提升十几个百分点,最慢的时候也能提升四个百分点。
以萧山救护车为例:萧山救护车通过调动实时的语音 NLP 分析,系统解析救护车的所在地点及目标地,以及沿途之间的路径,迅速规划出在沿途每一个关键节点到达的时间,然后据此调解信号灯。整体的路径动态被下发到急救车的司机和交通信号灯指挥中心,与此同时,医院的急救室明确对救护车到达的时间和设备药物的需求,在智能系统的协助下,救护车抵达目的地的时间缩短了一半。
- 上一篇: 如何通过ChatGPT快速生成PPT
- 下一篇: 高效PPT制作与演示技巧大揭秘