语音通话
语音通话 语音通话服务是面向具备平台开发能力的企业客户，通过互联网接入形式，提供即时语音通信能力的PAAS产品。 申请使用 产品概述 产品优势 应用场景 产品概述 语音通话（VCS）服务是面向具备平台开发能力的企业客户，通过互联网接入形式，提供即时语音通信能力的PAAS产品。客户通过SIP方式即可调用百度语音通话产品的基础通信能力，该产品支持包括智能外呼、智能IVR、呼叫中心、语音通知等多种应用
接口说明 - 文字识别OCR
默认：印刷文字识别 = handwring_only：手写文字识别 = handprint_mix： 手写印刷混排识别 layout_analysis 否 string true/false 是否分析文档版面：包括图、表、标题、段落的分析输出 识别结果 返回数据参数详情 字段 是否必选 类型 说明 log_id 是 uint64 唯一的log id，用于问题定位 img_direction 否 int32
百度应用引擎服务协议 - 应用引擎BAE | 百度智能云文档
其对在BAE中开发、上传、发布、运行的代码及代码对应的应用，拥有充分、完整无瑕疵、排他的所有权及知识产权。 b.
标注指南 - 智能工业质检IQI_工业质检_工业互联网
尽量通过仿真、摆拍等方式，在符合业务场景的前提下采集更多数据； B. 可将数据集重复上传，在标注过程中，标注的位置略微差异，这些差异会在一定程度上提高模型的拟合效果。 目标之间的尺度差异如何？ 在业务场景中，可能会存在尺度差异较大的目标类别。如下图所示，是一个检测存档柜状况的场景。每一个图片中，应该含有3个标记用的磁钉和一张光盘，不应该含有1、2、3所指示的杂物异物。
优选专家之文心千帆应用与部署服务 - 服务与支持 | 百度智能云文档
Ernie-bot模型在此时就能派上用场。 它可以生成包含详细描述的试穿效果文本，并结合传统的服装标签信息，为消费者提供更为生动丰富的购物体验。例如，针对一款连衣裙，Ernie-bot可以生成如下描述：“这款连衣裙以粉红色为主基调，镶有繁复的花朵刺绣。 轻盈的雪纺布料在移动中流转，配以腰部精致的蝴蝶结装饰，打造出无与伦比的女性魅力。”
视觉任务EdgeBoard(VMX)专用SDK集成文档 - BML 全功能AI开发平台 | 百度智能云文档
C++ SDK 时间 版本 说明 2021.06.29 1.3.1 视频流解析支持分辨率调整 2021.05.14 1.3.0 新增视频流接入支持；展示已发布模型性能评估报告 2020.12.18 1.0.0 性能优化；接口优化升级；推理引擎升级 2020.09.17 0.5.6 新增C++ SDK，支持Linux aarch64和Linux armv7hf（树莓派）架构的硬件接入VMX预测 C++
图像分类EdgeBoard(VMX)专用SDK集成文档 - EasyDL零门槛AI开发平台 | 百度智能云文档
C++ SDK 时间 版本 说明 2021.06.29 1.3.1 视频流解析支持分辨率调整 2021.05.14 1.3.0 新增视频流接入支持；展示已发布模型性能评估报告 2020.12.18 1.0.0 性能优化；接口优化升级；推理引擎升级 2020.09.17 0.5.6 新增C++ SDK，支持Linux armv7hf（树莓派）架构的硬件接入VMX预测 C++ SDK适用于Linux x86
物体检测EdgeBoard(VMX)专用SDK集成文档 - EasyDL零门槛AI开发平台 | 百度智能云文档
C++ SDK 时间 版本 说明 2021.06.29 1.3.1 视频流解析支持分辨率调整 2021.05.14 1.3.0 新增视频流接入支持；展示已发布模型性能评估报告 2020.12.18 1.0.0 性能优化；接口优化升级；推理引擎升级 2020.09.17 0.5.6 新增C++ SDK，支持Linux armv7hf（树莓派）架构的硬件接入VMX预测 C++ SDK适用于Linux x86
面向高性能计算场景的存储系统解决方案 | 百度智能云
比如说自动驾驶，要从很多的全国的道路采集路况信息，数据收集完了需要做一些预处理，例如给行人、机动车、交通标示牌做标注之类的。做完标注之后，才是真正的训练过程，训练完了之后会产生一些需要部署到生产系统上的模型，所以还要去做模型的管理、模型的部署。假如这些数据分散在不同的存储系统上的话，对使用效率和使用方便程度上来讲，是一个比较大的挑战。所以百度内部使用了一个统一的存储底座来简化数据的管理和流转。
面向高性能计算场景的存储系统解决方案
比如说自动驾驶，要从很多的全国的道路采集路况信息，数据收集完了需要做一些预处理，例如给行人、机动车、交通标示牌做标注之类的。做完标注之后，才是真正的训练过程，训练完了之后会产生一些需要部署到生产系统上的模型，所以还要去做模型的管理、模型的部署。假如这些数据分散在不同的存储系统上的话，对使用效率和使用方便程度上来讲，是一个比较大的挑战。所以百度内部使用了一个统一的存储底座来简化数据的管理和流转。
