能解决的问题:文章关键信息抽取、Query问答理解、文档信息实体识别、NLU自然语言理解问题、文本内容信息理解。
企业应用实例:百度搜索,搜索内容质量提升;淘宝、京东电商客服系统,对话内容理解提升;小米、度秘等智能音箱产品,交互内容质量提升。
核心技术点:BIDAF,QANet,命名体识别,Transformer,BERT,ALBERT,XLNET,知识蒸馏等。
能解决的问题:人脸检测、车辆检测、安全帽检测等各种一般检测场景及遮挡检测场景。
企业应用实例:百度、京东、众创互联、阿里、腾讯等 需求:OCR中的文字检测、安全安防、场景人脸检测。
核心技术点:One-Stage检测算法:RCNN家族、Two-Stage检测算法:YOLO系列、RetinaNet、卡尔曼滤波、目标检测中的Anchor、模型量化与蒸馏。
可应用的场景及企业:美团、饿了么等本地服务产品的订单配送规划;滴滴等出行领域中的交通流量预测;滴滴、上汽大众等自动驾驶产品中的车辆、行人自动识别;AlphaGO等游戏AI的搭建。
核心技术点:动态规划,强化学习,启发式搜索,模拟退火,深度学习,图神经网路