前不久，百度大腦推出了包括語音技術(shù)、視覺技術(shù)、自然語言處理、知識圖譜等在內(nèi)的通用AI能力，以及開源深度學習框架方面的優(yōu)化升級。與此同時，人工智能已經(jīng)連續(xù)三年進入政府報告、“智能+”成為2019年行業(yè)的新命題。

雷鋒網(wǎng)了解到，百度大腦自2016年啟動開放以來，目前已經(jīng)是服務規(guī)模最大的AI開放平臺。共計開放了158項AI能力，24小時快速集成，開發(fā)者數(shù)量超過100萬。面向廣泛的企業(yè)和開發(fā)者提供最先進、最全面的AI能力，不斷降低AI應用落地的門檻。

語音方面

在今年1月的百度輸入法探索版發(fā)布會上，首次發(fā)布了領先國際的語音技術(shù)：在線語音領域全球首創(chuàng)的流式多級截斷注意力模型SMLT「Streaming trancated multi-layer attention」。值得注意的是，這是首次在大規(guī)模語音識別工業(yè)界采用注意力（attention）模型。

提升識別率的同時大幅優(yōu)化了解碼速度?！罢Z音識別極速版”，擁有更快的響應速度，相對識別準確度提升15%。此項語音能力在API調(diào)用方式下，實時率小于0.1，意味著5s的音頻不到500ms即可完成識別過程，減少了識別音頻所需的耗時，提升語音交互的響應體驗。

在近距離安靜環(huán)境下，識別準確率可達到98%，同時支持略帶口音、童聲、耳語的識別，使語音識別應用更加廣泛。多平臺的SDK也即將推出，使APP、服務器端更可實時識別，應用這一領先技術(shù)。目前，每個開發(fā)者賬戶將贈送5W次免費調(diào)用量，針對新能力的使用者，也即將推出一系列贈送及優(yōu)惠活動。

同時，近場語音識別升級了預置語義解析。預置場景由35個升級為51個，包括天氣、航班、電話、電影播放、頁面屏幕控制、電視劇、美食、手機設置、通用錄、提醒、短信、故事等，語義解析效果全面優(yōu)化，80%優(yōu)于原有解析結(jié)果。

百度大腦稱以下新品也將推出，例如：語音識別自訓練平臺，支持自動評估選出最好的基線模型，僅上傳業(yè)務場景文本語料即可訓練語言模型，零代碼自助訓練專屬的語音識別模型，極大地方便語音開發(fā)者提升所在業(yè)務場景的識別準確率，滿足業(yè)務上的語音識別需求。

另外，遠場語音開發(fā)套件，可快速進行遠場識別開發(fā)評估，此套件應用于機器人、兒童故事機、家電、車載設備等硬件。同時還將開放離線合成，以及推出更多音庫。

視覺方面

首先，在OCR方面：

• 新增了卡證OCR 4個新能力：戶口本OCR、出生醫(yī)學證明OCR、港澳通行證OCR、臺灣通行證OCR，總數(shù)達到9種；

• 新增票據(jù)OCR 4個新能力：行程單OCR、保單識別OCR、通用機打發(fā)票O(jiān)CR，定額發(fā)票O(jiān)CR，總數(shù)達到9種；

• 汽車場景3個新能力：車輛VIN OCR、機動車銷售發(fā)票O(jiān)CR、車輛合格證OCR，總數(shù)達到6種。這些OCR新能力在關鍵字段的準確率均在90%以上，并有多項是業(yè)界首次平臺化開放。至此，OCR產(chǎn)品全系列共34款，實現(xiàn)卡證、票據(jù)、文檔、汽車全場景覆蓋。

對已有的OCR能力也進行了功能升級：表格識別：支持合并單元格、無表格線等復雜樣式；iOCR 自定義模版文字識別：支持列寬不固定、有合并單元格的表格樣式的定制識別；駕駛證識別：支持駕駛證副頁的識別。

其次，在車輛分析方面，推出包括車輛檢測、車流統(tǒng)計、車輛屬性分析和外觀損傷識別。

• 車輛檢測，通過識別圖像中的所有機動車輛（包含小汽車、卡車、巴士、摩托車、三輪車），返回每輛車的類型和坐標位置，并對每類車輛分別計數(shù)，可應用于違章停車監(jiān)測和智能停車場。

• 車流統(tǒng)計，則根據(jù)視頻抓拍圖片序列，進行車輛檢測和追蹤，識別各類車輛（包括小汽車、卡車、巴士、摩托車、三輪車）在指定區(qū)域內(nèi)的駛?cè)?駛出情況，實現(xiàn)動態(tài)車流統(tǒng)計，可應用于實時監(jiān)控交通道路、卡口的車流量，自動統(tǒng)計不同時段各類車輛的進出數(shù)量，分析路口、路段的交通狀況，為交通調(diào)度、路況優(yōu)化提供精準參考依據(jù)。

• 車輛屬性分析和外觀損傷識別兩項服務，也即將開放。

最后，在人臉人體識別方面，新發(fā)布了情緒識別，可以準確識別7類情緒：生氣、害怕、厭惡、高興、悲傷、驚訝、無情緒。

此項技術(shù)可應用于幼兒園安全監(jiān)控等場景，通過監(jiān)控孩子的心理狀態(tài)，判斷教師和幼兒是否有異常狀況，從而保障幼兒安全、及時預警并參與輔導等。

同時，人臉融合以及手部關鍵點將在3月推出。此外還有2項功能全新升級，包括：人臉檢測快速檢測人臉并返回人臉框位置、定位五官與輪廓關鍵點數(shù)量，從72個增加至150個；新增2種手勢，共24種常見手勢，整體識別率在90%以上，使得手勢識別更豐富、更準確；而即將上線的更高進精度的人像分割，可應用于人像美圖、影視后期等場景。

圖像識別方面，新增紅酒識別和地標識別這2個新能力。通過紅酒識別，用戶只需要對著紅酒標簽拍照，系統(tǒng)就能自動識別紅酒的品牌和名稱，目前可識別數(shù)十萬種國內(nèi)外紅酒，識別準確率98%以上，從法國波爾多到中國張裕，商品信息都能得到準確關聯(lián)。

地標識別則能夠精準識別約5萬中外著名地標、景點，準確率高達94%以上。用戶只需要拍攝包含國內(nèi)外著名景點、地標的照片，系統(tǒng)就能自動生成足跡、圖文博客等有意思的交互內(nèi)容。

百度大腦還宣布即將上線邀測錢幣識別功能。該功能可以精準識別中外錢幣，支持數(shù)百類幣種、數(shù)千種面額，識別準確率98%以上，不僅能夠提升金融機構(gòu)貨幣兌換的效率，也能讓“外幣騙局”無處藏身。目前，百度大腦的圖像識別種類已經(jīng)多達11種。

語言及知識方面

雷鋒網(wǎng)了解到，百度大腦語言及知識方向能力集，共包括語言處理應用平臺、語言處理應用技術(shù)、語言處理基礎技術(shù)、知識理解以及知識圖譜。

語言處理應用技術(shù)方面，推出新能力：

• 文本糾錯，識別文本中有錯誤的片段，進行錯誤提示并給出正確的建議文本內(nèi)容；

• 新聞摘要，對新聞內(nèi)容進行全面的語義理解與分析，自動抽取新聞文本中的關鍵信息并按指定長度生成摘要，可應用于熱點新聞聚合、新聞推薦、語音播報、APP消息Push等場景；

• 智能寫詩，用戶只需要輸入任意主題詞（如公司名、節(jié)氣名），機器便可自動生成融合了該主題詞的詩詞；

• 智能春聯(lián)，用戶輸入任意主題詞（如自己的名字），機器可自動生成融合了該主題詞的春聯(lián)，可以應用在企業(yè)互動營銷、APP春節(jié)互動活動； 

• 對話情緒識別，可以針對一段對話文本，自動識別出當前會話者所表現(xiàn)出的情緒類別。
  

在知識理解方面，推出新能力：

• 作文檢索，有數(shù)萬篇作文范文，可支持按文體、字數(shù)、年級、常見主題等進行查詢檢索，可應用在少兒教育產(chǎn)品（如學習機）、圖書館等場景；

• 知識問答，可提供娛樂、人物、教育、影視、綜藝、動漫、小說、文學作品等垂類的問答能力，以及日期歷法、年齡差、算數(shù)、時間時區(qū)差等推理計算能力，可應用于智能音箱、兒童故事機、泛娛樂產(chǎn)品等場景。
  

不久后，智能寫作平臺也將上線，將從素材上為創(chuàng)作者提供工具、幫助找到靈感，提升創(chuàng)作者的寫作效率和產(chǎn)出質(zhì)量，降低寫作成本。

深度學習

雷鋒網(wǎng)了解到，2016年，百度開源了深度學習框架PaddlePaddle。近期，百度大腦對PaddlePaddle進行了更新：

• 視頻分類模型庫：核心框架Paddle Fluid v1.3新增視頻模型庫，提供5個視頻分類經(jīng)典模型以及適合視頻分類任務的通用骨架代碼，用戶可一鍵式高效配置模型完成訓練和評測。視頻理解權(quán)威競賽ActivityNet - Kinetics視頻動作識別任務冠軍方法stNet的resnet50版本開源實現(xiàn)。

• 基于PaddlePaddle的BERT多機多卡和混合精度訓練，新增支持NLP語義表示BERT模型，支持多機多卡訓練，支持混合精度訓練，訓練速度對比主流實現(xiàn)提升50%+，提供完整部署示例。

• 提升分布式訓練性能：大規(guī)模稀疏參數(shù)服務器Benchmark發(fā)布， CPU多機異步訓練發(fā)布顯著提升點擊率預估任務IO吞吐的built-in reader，多機多卡訓練性能多方面提升。

推出深度強化學習框架PARL1.0，支持可定制的并行擴展，覆蓋DQN、DDPG、PPO、A3C等主流強化學習算法。通過8塊GPU拉動近20000個CPU節(jié)點運算，將近5個小時迭代一輪的PPO算法加速到不到1分鐘。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。