百度 AI 实战营收官战(成都站)，宣告百度 OCR 免费策略再次升级。百度通用文字识别服务的免费使用次数提升100倍，从每天500次提升至每天50000次；通用文字识别高精度版的免费使用次数提升10倍，从每天50次提升至每天500次。
有一款软件叫扫描全能王，想必一些小伙伴听过，这是一个OCR集成软件，可以将图像内容扫描成文字。
其实百度此前也在其搜索首页增加过手写输入，可能由于使用频率较低，目前已经默认关闭。需要开启的话可以到右上角的搜索设置中打开。相比于搜索中的手写输入而言，翻译服务中的手写也许更加实用。当你身处他国，却看不懂当地的路牌，那么要在手机或者平板上输入这些文字就更不可能了。这时你可以通过手写的方式，依样在Google翻译中描画下来，得到最终的翻译结果。
来自北京航空航天大学(Beihang University)、悉尼大学(University of Sydney)和剑桥大学(University of Cambridge)的一项最新研究成果显示，将一张用打印机简单打印出来的涂鸦贴画贴在路牌上就可以让AI自动驾驶系统完全误分类。
自然场景文本提取是图像语义信息抽取的一个重要分支，它的实现需要CV和NLP技术，即既需要使用视觉处理技术来提取图像中文字区域的图像特征向量，又需要借助自然语言处理技术来解码图像特征向量为文字结果。
本文介绍了腾讯数平精准推荐团队的OCR识别算法，包括识别算法的演进之路以及4个代表性方法。
本文介绍了对抗样本攻击在计算机视觉领域的最新研究进展，包括YOLO、Faster-RCNN等目标检测算法，以及防御对抗样本攻击的算法。
明敏 萧箫 发自 凹非寺 量子位 报道丨公众号 QbitAI 终于，我小学时的梦想有人实现了！ 只需要我拍下自己的笔迹，AI就能帮我誊抄英语作业，画风“完全一致”的那种： 甚至帮别人抄作业也没问题…… 简直吊打一批只能仿手写、价格还动辄几百上千的“作业神器”。 咳咳，划重点： 虽然功能很强大，但这可不是给你们抄英语作业的。（作业就得认真做！） 这是Facebook AI最新出品的“文字风格刷”（TextStyleBrush），它只需要一张笔迹的照片，就能完美还原出一整套文本字迹来。 不仅能移花接木，
当你想用机器翻译时，也许会立刻打开谷歌翻译。但是，尽管经过多年的开发和技术收购，它仍然存在诸多问题。例如，如果你在陌生国家没有互联网连接，并且未提前下载该语言，会发生什么情况？而从图像翻译文本的方法更是缓慢。
1. STR任务简介 许多场景图像中包含着丰富的文本信息，对理解图像信息有着重要作用，能够极大地帮助人们认知和理解场景图像的内容。场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下，将图像信息转化为文字序列的过程，可认为是一种特别的翻译过程：将图像输入翻译为自然语言输出。场景图像文字识别技术的发展也促进了一些新型应用的产生，如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中，我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合，免除人工定
Tesseract 是一个开源的 OCR（光学字符识别）引擎，最初由惠普实验室开发，后来由 Google 接管并开源。OCR 是一种将图像中的文本转换为可编辑文本的技术，它可以自动识别图像或扫描文档中的文字，并将其转换为数字形式。
12306验证码，长时间高居反人类产品排行榜第一名，普通人一次通过率仅8%，人也识别不清的图片就能成功阻挡自动机了吗？谷歌街景验证码完全取自自然环境确保图片的不重复不被爆破，但是面对黑产的巨额利润，又能坚持多久？本文通过仿黑产破解的手法去重新思考验证码产品发展方向
导读：12306验证码，长时间高居反人类产品排行榜第一名（据某网站调查），普通人一次通过率仅8%，人也识别不清的图片就能成功阻挡自动机了吗？谷歌街景验证码完全取自自然环境确保图片的不重复不被爆破，但是面对黑产的巨额利润，又能坚持多久？本文由安全平台部的shisi撰写，试图通过模仿黑产的破解手法去重新思考验证码产品的发展方向。
导读：12306验证码，长时间高居反人类产品排行榜第一名（据某网站调查），普通人一次通过率仅8%，人也识别不清的图片就能成功阻挡自动机了吗？谷歌街景验证码完全取自自然环境确保图片的不重复不被爆破，但是面对黑产的巨额利润，又能坚持多久？本文由安全平台部的shisi撰写，试图通过模仿黑产的破解手法去重新思考验证码产品的发展方向。 验证码，人类与机器不平等的对抗 在AI的新时代背景下，破解一款验证码的成本正变的越来越低。 很多时候，看似复杂的谷歌街景、12306验证码、让人望而却步的百万图库，实际并不复杂：
还记得前一阵某小盆友拿过来一个全是图片的ppt，让我把里面的文字给抠出来(我当时很震惊!!!)，随后在网上随便找了个OCR的在线文档转换软件，就给转过来了——这里面用到的技术就是OCR文字识别，所以本篇就带大家宏观上了解一下文字识别的技术方案与实现过程。
在城市道路环境下，高精地图生产分为数据采集、数据处理、元素识别、人工验证四个环节。
Completely Automated Public Turing test to tell Computers and Humans Apart。
我上课的时候，没少给学生播放 Tesla 那段脍炙人口的自动驾驶视频。学生们都觉得很惊艳。
Perception系统是以多种sensor的数据，以及高精度地图的信息作为输入，经过一系列的计算及处理，对自动驾驶车的周围的环境精确感知。能够为下游模块提供丰富的信息，包括障碍物的位置、形状、类别及速度信息，也包括对一些特殊场景的语义理解（包括施工区域，交通信号灯及交通路牌等）。
文字是信息的重要载体之一。通过书写、印刷、电子设备等方式，文字可以被记录下来并传递给他人。文字也是语言的重要组成部分，人们可以通过文字来表达自己的思想、感情和意图。在信息化时代，文字仍然是最基本、最重要的信息传递方式之一，也有着其不可替代的优势，如：简短明了、方便快捷、易于编辑、可归纳整理等。
在前两篇文章验证码端到端的识别和车牌端到端的识别这两篇文章中其实就使用到了场景文字识别了，在本篇中就针对场景文字识别这个问题好好说说。
这篇论文介绍了一个名为AnyText的新型扩散模型，专注于生成准确且连贯的图像中的视觉文本。AnyText是一个基于扩散的多语言视觉文本生成和编辑模型，它通过两个主要组件来实现这一目标：辅助潜在模块（auxiliary latent module）和文本嵌入模块（text embedding module）。
最近在学C语言程序设计时总是遇到一些概念上不清晰与混乱的地方，在一次偶然间想到了以前看过的一部电影《我是谁，没有一个系统是安全的》，里面的主角用社会工程学的想法结合黑客技术化险为夷，给了我很大的震撼与启发。
-Salient Object Detection benchmark 南开大学显著性检测算法
要说生活里最常见、最便民的AI应用技术，OCR（Optical Character Recognition，光学字符识别）当属其中之一。寻常到日常办理各种业务时的身份证识别，前沿到自动驾驶车辆的路牌识别，都少不了它的加持。
当我们年龄增长，我们能不能基于互联网的技术，使用移动设备或者可穿戴的小工具来帮助我们度过晚年，同时监测我们的健康和安全。 1.说话路牌 老人在夜间驾驶在是最恐怖的。因为随着年龄增长，我们的视力也随之下
人工智能算法在现实世界中的落地，从来都离不开两个研究范畴：一是模型性能强大可用，二是设计逻辑安全可信。 访谈｜李梅、刘冰一 作者｜李梅 编辑｜陈彩娴 2013 年 4 月 23 日的午后一点，美国各大交易所的平静被骤然打破，办公室里一台台电话响个不停，同时夹杂着工作人员急躁的咆哮声，惊恐与不安的情绪四处窜开。 华尔街的金融精英们正在经历着他们所能想象到的最可怕的危机： 短短 5 秒内，标普市值就被抹去了 1365 亿美元！ 股市突然遭遇如此疯狂的大跳水，其直接的导火索是美联社官方推特账户发出的一条仅包含 1
导读：PaddleCV是飞桨开源的产业级CV工具与预训练模型集，提供了依托于百度实际产品打磨，能够极大地方便 CV 研究者和工程师快速应用。使用者可以使用PaddleCV 快速实现图像分类、目标检测、图像分割、视频分类和动作定位、图像生成、度量学习、场景文字识别和关键点检测8大类任务，并且可以直接使用百度开源工业级预训练模型进行快速应用于工业、农业、医疗、零售、媒体、驾驶等领域。用户在极大地减少研究和开发成本的同时，也可以获得更好的基于产业实践的应用效果。
【新智元导读】在3月27日举行的中国“AI春节”——2017新智元开源·生态AI技术峰会上，海康威视研究院院长浦世亮发表演讲《安防大数据驱动下的智慧生活》，介绍海康在智能+安防领域的技术探索。海康威视是全球视频监控No.1，近年来布局安全视频监控发展，物联网以及视频大数据和智能视频分析，产业表现强劲，在以 ImageNet 为代表的国际技术竞赛中也一直都有抢眼的成绩。 演讲中，浦世亮介绍了应对安防大数据三大挑战，以及海康威视的应对之道：挖掘无标签数据中的隐藏信息做额外反馈，化解标记数据成本高的问题；多传感器
随着物联网的发展，曾经“呆傻”的物体现在具备了“智能”了，而且无论我们喜不喜欢，它们的能力在我们的日常生活中正变得不可或缺。但是如果这些东西并不靠谱的话，会发生什么？
导航地图近十年已经发生了翻天覆地的变化。上世纪90年代，我们还在用纸质地图寻找目的地。而现在基本只需要服从Siri或她的谷歌竞争对手的导航指令。 “地面真相”（Ground Trut）算法和街景服务 不过这些导航指令背后隐藏着大多数人无法想象的众多数据。目前由于谷歌已经获得了极其庞大的地图数据，他们开始采用大数据方法，或谷歌称之为“地面真相”的算法和细致的人工努力相结合的方法，为用户提供更详尽的地图信息。该项目于2008年推出，但它一直处于保密状态，直到几年前才公开。它持续增长，现已覆盖51个国家。这一算法
在过去的数年中，腾讯数平精准推荐(Tencent-DPPR)团队一直致力于实时精准推荐、海量大数据分析及挖掘等领域的技术研发与落地。特别是在广告推荐领域，团队自研的基于深度在线点击率预估算法及全流程实时推荐系统，持续多年在该领域取得显著成绩。而在用户意图和广告理解上，借助于广告图片中的文本识别以及物体识别等技术手段，可以更加有效的加深对广告创意、用户偏好等方面的理解，从而更好的服务于广告推荐业务。 OCR（Optical Character Recognition, 光学字符识别）是指对输入图像进行分析识
---- 点击上方↑↑↑“OpenCV学堂”关注我来源：公众号 新智元 授权 【导读】近日，一辆小鹏汽车在开启了L2辅助驾驶系统下，仍与前方静止车辆发生惨烈追尾。网传聊天记录显示，司机当时正在分神。 8月10日下午，一辆小鹏P7在宁波机场路高架（自南往北方向）撞上了一辆前方停放的小车和该车驾驶员，造成小车司机不幸死亡。 直击事故现场 视频显示，在宁波某高架桥路段，一辆抛锚的故障车停在最左侧车道，司机和同行人员正在紧邻中央隔离带的最内侧车道处理车辆问题。 在黑衣司机去车后摆放三角警示牌时，一辆小鹏P7快
---- 新智元报道 编辑：Aeneas 好困 David 【新智元导读】近日，一辆小鹏汽车在开启了L2辅助驾驶系统下，仍与前方静止车辆发生惨烈追尾。网传聊天记录显示，司机当时正在分神。 8月10日下午，一辆小鹏P7在宁波机场路高架（自南往北方向）撞上了一辆前方停放的小车和该车驾驶员，造成小车司机不幸身亡。 直击事故现场 视频显示，在宁波某高架桥路段，一辆抛锚的故障车停在最左侧车道，司机和同行人员正在紧邻中央隔离带的最内侧车道处理车辆问题。 在黑衣司机去车后摆放三角警示牌时，一辆小鹏P7快速撞
美国当地时间5月8日上午10点（北京时间9日凌晨1点），2018年谷歌I/O开发者大会在加州山景城开幕。
点击蓝字 关注我们 大家好，欢迎来到《不写代码也能看懂的风控安全系列》。 今天开启的“验证码风云录”专题将围绕一个课题展开，即探秘：“验证码为什么越做越简单了？” 在这一系列中，笔者将验证码的20年发展历程大致分为3大阶段： · 比谁更丑 → 图像对抗时代 → 本文揭秘 · 比谁更精 → 行为对抗时代 → 下篇预告 · 比谁更深 → 资源对抗时代 → 前沿报告 而本文将要带大家走近的，便是“比比谁更丑”的图像对抗时代。 全文4000字，阅读预计15分钟，喜欢你就赞我一下！ 01 #前言：为什么会有
---- 新智元报道 编辑：袁榭 拉燕 【新智元导读】从自动识别街牌、到自动删除诈骗信息，谷歌地图这个项目现在越发依赖于机器学习的工具。 遏制不良网络动态的未来，掌握在机器学习的手中。 在搜索业巨擘谷歌的手中，机器学习工具在2021年通过监管谷歌地图上的违规行为，得到了真正的锻炼。 谷歌地图团队表示：「我们的团队致力于让真人用户在地图上发布的内容尽量可靠，并基于现实世界的亲身体验。这项工作有助于保护企业免受欺凌和诈骗，并确保评论对用户有帮助。这个内容政策旨在防止我们的平台上出现误导性、虚假性和辱
当计算科学发展的不够完善，还没能解决启发式问题的时候，很多安全问题都是利用规则来解决的，这些规则都是“死”的。
《连线》杂志刊登了Getty Images的文章，称人工神经网络存在“后门”。 纽约大学教授Siddharth Garg在检查了其工作地布鲁克林大厦附近的交通状况后，把一个黄色的便签纸贴在了一个停车牌上。当他和两位同事向他们的路牌探测软件展示了这一场景的照片时发现，95%的人断定停车标志实际上显示了限速。 这一特技证实了机器学习软件工程师的潜在安全问题。研究人员表明，在人工神经网络（一种用于执行识别语音或理解照片等任务的学习软件类型）中嵌入无声的、令人不快的惊喜是有可能的。 恶意攻击者可以设计出上述行为，
近年来，移动互联、大数据等新技术飞速发展，倒逼传统行业向智能化、移动化的方向转型。随着运营集约化、数字化的逐渐铺开，尤其是以OCR识别、数据挖掘等为代表的人工智能技术逐渐深入业务场景，为用户带来持续的经济效益和品牌效应。图书情报领域作为提升公共服务的一个窗口，面临着新技术带来的冲击，必须加强管理创新，积极打造智能化的图书情报服务平台，满足读者的个性化需求。无论是高校图书馆还是公共图书馆，都需加强人工智能基础能力的建设，并与图书馆内部的信息化系统打通，优化图书馆传统的服务模式，提升读者的借阅体验。
人工智能一直被视为学习能力极强、学习速度极快的“超级物种”，秒杀人类不解释、无商量；无论是在国际围棋比赛，还是在星际争霸游戏对决，均多次战胜人类顶级选手，所向披靡，不可一世。
OCR全称Optical Character Recognition，即光学字符识别，最早在1929年被德国科学家Tausheck提出，定义为将印刷体的字符从纸质文档中识别出来。现在的OCR，狭义上指对输入扫描文档图像进行分析处理，识别出图像中文本信息。而随着OCR技术的日益发展，人们已不再仅仅满足于文档或书本上的文本，开始将目标转移到现实世界场景中的文本，这被称为场景文本识别（Scene Text Recognition，STR）。
中新网7月4日电7月4日，国家主席习近平访韩之旅的经济重头戏上演：广受关注的中韩经贸合作论坛在韩国首尔举行。百度董事长兼CEO李彦宏作为唯一的中国互联网企业家代表，以《技术创新撬动“亚洲新时代”》为主题发表演讲。 此前李彦宏此次随团出访并作为中国企业家代表演讲的消息一经传出，就受到了韩国工商界的关注。论坛现场，他成为韩国媒体和企业家代表的重点“围堵”对象，论坛结束退场时更几乎被堵得寸步难行。韩国政府直属的全球性投资商务机构——大韩贸易投资振兴公社董事长兼CEO吴永镐，不仅专门派特使前往接机，还特地赶在今天下
来自百度的深度学习工程师，围绕计算机视觉领域的八大任务，包括：图像分类、目标检测、图像语义分割、场景文字识别、图像生成、人体关键点检测、视频分类、度量学习等，进行了较为详细的综述并形成此文。
大数据文摘作品，转载要求见文末 Aileen，范玥灿，王婷 我们目前生活在信息图表和数据可视化的时代。我们可能每天都会在运动游戏，健康应用，观看选举报道，阅读商业报告，或者解码过境地图中看到信息图表。 这些可视化如此流行，因为信息图表是数据，设计，讲故事的完美结合。它们使复杂的信息在几秒钟内被很容易地共享。事实上，信息图表在社交媒体被喜欢和分享的程度比其他任何类型的内容多三倍。但是，这些图形不是在一夜之间就出现的。它们有一个丰富的并可追溯到几千年的历史。 让我们探索早期的古老信息图表，并观察那些将数据
百度深度学习工程师，围绕计算机视觉领域的八大任务，包括：图像分类、目标检测、图像语义分割、场景文字识别、图像生成、人体关键点检测、视频分类、度量学习等，进行了较为详细的综述并形成此文。
截止到2021年9月底，百度地图的智能语音助手用户量突破5亿，个性化定制语音包每日播报次数达2亿、累计下载量超过1.5亿，同时百度地图的全景照片超过20亿张……
【产品动态·导读】 地点云全新发布 - 用自己的数据，建自己的地图 微信小程序插件 - 新增地图选点插件 JavaScript API GL连发3版 - 常用功能齐备，兼容性增强 地图SDK升级至v4.2.7 WebService - 网约车场景能力增强 工单体验持续优化 基础服务能力提升 地点云全新发布 - 用自己的数据，建自己的地图 地点云全新发布v1.0 beta，帮助开发者快速、低成本实现以下应用场景： 连锁网点地图：如门店地图、售货机地图、到店签到、办事网点等； 设备/设施管理：如摄像头、
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
