点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:凤凰彩票_ -(中国)互动百科
首页>文化频道>要闻>正文

凤凰彩票_ -(中国)互动百科

来源:凤凰彩票2023-09-12 17:48

  

乘警师徒的“第一个春运”和“最后一个春运”******

  (新春走基层)乘警师徒的“第一个春运”和“最后一个春运”

  中新网福州1月19日电 (吴晟炜 刘晓彬 戴俊淇)春节临近,福州的大街小巷张灯结彩,格外喜庆。福州火车站内,拎着大包小包的旅客比肩接踵,满怀期待地踏上了回家团圆的列车。

  张邵军是福州铁路公安处乘警支队的“60后”老乘警。在他的回忆里,有十几个春节都是在列车上度过的,平均一年有200多天在列车上。今年也是他值守的最后一个春运。

  福州开往重庆北站的K1268列车,单程超过1971公里,途经四省一市,中途停靠南昌、武昌、宜昌东等大大小小15个车站。张邵军带着徒弟刘子璞登上了这趟列车。

  “今年2月我就要退休了,这是我在岗位上的最后一个春运,一定要站好最后一班岗。”张邵军语气平静,低头整理着身上的藏蓝色警服。

  早上8时30分,距离K1268次列车发车还有两个多小时,张邵军和刘子璞来到单位签到,仔细做好列车值勤前的准备工作。

图为乘警出乘前整理警容。 福州铁路公安处供图图为乘警出乘前整理警容。 福州铁路公安处供图

  张邵军和刘子璞是福州铁路公安处乘警支队执勤警务队的一对铁路警察师徒,虽然刚搭档不久,但是默契感十足。

  自1980年从警开始,张邵军先后在福州铁路公安处押运队、巡警队、车站派出所、乘警支队工作过,获得过先进工作者、优秀党员、个人嘉奖等诸多荣誉,是警队里的好榜样,更是年轻民警的“好导师”。刘子璞则是2022年新入警的“00后”。在张邵军的带领下,他认真学习列车值乘经验、列车规范执法等各种警务技能。面对从警生涯的第一个春运,他充满着好奇与期待。

  领取完出乘装备,做完岗前体检和酒精测试,这对师徒便动身前往福州火车站。

  作为福州火车站返乡客流最大的农民工专列,春运期间,K1268列车基本都是满负荷运转。检票口一开放,乘客们就鱼贯而入。为了确保列车安全,在车站检票旅客进站上车前,张邵军就带着刘子璞对列车进行了一遍全方位的检查,确保列车在运行途中的安全。

  10时45分,列车缓缓驶离福州站,张邵军招呼着列车长和检车长碰头后,师徒俩开始去巡视车厢。当两人巡逻到16号车厢时,一位老年旅客拉住张邵军,向他们求助。

图为乘警在达州站维护旅客上下车秩序。 福州铁路公安处供图图为乘警在达州站维护旅客上下车秩序。 福州铁路公安处供图

  “老人家,你有什么事需要解决的?”张邵军停下脚步,仔细询问缘由。原来老人姓徐,今年已经75岁了,前阵子刚因病动了手术,因四川老家亲人出了事故,他便急着从福州赶回去照顾。匆忙之下,他没有买到卧铺票,只能坐硬座车厢。时间一长,身子就开始吃不消了,希望能补一张卧铺票。面对老人的需求,张邵军立即找到了列车长,帮助老人补好了卧铺票,又帮助他在新车厢安顿好。

  春运旅客增多,列车停站也比较多,旅客上下频繁,极易造成旅客丢失贵重物品事件,需要不停巡视。每到一站,师徒俩都会奔波在车门口,不停地去提示疏导拥挤的旅客。

  列车途中临时停靠时,旅客陆某和何某因摆放行李发生了争吵,还相互推搡,引起了同车厢周边旅客的围观。张邵军接到车上工作人员报警后,立即带着徒弟前往处置。经过张邵军耐心调解,讲事实摆道理,最终矛盾平息,车厢秩序恢复正常。张邵军借此向徒弟传授了不少调解“真经”。

  凌晨0时47分,列车驶离宜昌东站。“夜间是旅客最容易犯困的时候,也是贵重物品最容易丢失的时候。我们要在重点时段和区段加大对车厢的巡视力度和频率,提醒旅客看护好随身携带的贵重物品,看管好自己的小孩。”张邵军一边巡视着车厢,一边小心叮嘱着徒弟。

  凌晨1时30分,忙了一整天的师徒二人终于好好坐下来,交流总结发车以来的工作情况。新老乘警的“接力棒”完成了交接。

  经过26个小时的长途旅行,列车终到重庆北火车站,师徒俩对车厢进行安全检查完毕后,又马上准备做好重庆北返回福州的K1270次列车值乘工作。

  刘子璞告诉记者,第一个春运意义非凡,让他终生难忘。“师父虽然要退休了,但他把从警40多年的经验都传授给了我,未来我也会踏踏实实站好每一班岗。”刘子璞如是说。(完)

                                                                                                                          凤凰彩票

                                                                                                                          向善而生的AI助盲,让AI多一点,障碍少一点******

                                                                                                                            有人说,盲人与世界之间,相差的只是一个黎明。在浪潮信息研发人员的心中,失去视力的盲人不会陷入永夜,科技的进步正在力图给每一个人以光明未来。

                                                                                                                            AI助盲在人工智能赛道上一直是最热门的话题之一。以前,让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破,更多的失明者正在借助AI提供的感知、理解与交互能力,以另一种方式重新“看见世界”。

                                                                                                                            新契机:多模态算法或将造福数以亿计失明者

                                                                                                                            科学实验表明,在人类获取的外界信息中,来自视觉的占比高达70%~80%,因此基于AI构建机器视觉系统,帮助视障患者拥有对外界环境的视觉感知与视觉理解能力,无疑是最直接有效的解决方案。

                                                                                                                            一个优秀的AI助盲技术,需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展,才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够,以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。

                                                                                                                            多个模态的交互可以提升AI的感知、理解与交互能力,也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说,多模态算法在AI助盲领域的应用一旦成熟,将能够造福数以亿计的失明者。据世卫组织统计,全球至少22亿人视力受损或失明,而我国是世界上盲人最多的国家,占世界盲人总数的18%-20%,每年新增的盲人数量甚至高达45万。

                                                                                                                            大挑战:如何看到盲人“眼中”的千人千面

                                                                                                                            AI助盲看似简单,但多模态算法依然面临重大挑战。

                                                                                                                            多模态智能算法,营造的是沉浸式人机交互体验。在该领域,盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一,这项研究已经吸引了全球数以万计的视障患者参与,这些患者们上传自己拍摄的图像数据和相匹配的文本问题,形成了最真实的模型训练数据集。

                                                                                                                            但是在现有技术条件下,盲人视觉问答任务的精度提升面临巨大挑战:一方面是盲人上传的问题类型很复杂,比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。

                                                                                                                            另一方面,由于盲人的特殊性,很难提取面前物体的有效特征。比如盲人在拍照时,经常会产生虚焦的情况,可能上传的照片是模糊的或者没有拍全,或者没拍到关键信息,这就给AI推理增加了难度。

                                                                                                                            为推动相关研究,来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”,并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题,然后要求给出相应的答案,解决盲人的求助。

                                                                                                                            另外,盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说,盲人逛超市,由于商品外观触感相似,很容易犯错,他可能会拿起一瓶醋却询问酱油的成分表,拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效,没法给出有效信息。

                                                                                                                            最后,针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制,同样也是现阶段的研发难点。

                                                                                                                            多解法:浪潮信息AI助盲靶向消灭痛点

                                                                                                                            AI助盲哪怕形式百变,无一例外都是消灭痛点,逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究,只为帮助盲人“看”到愈发精彩的世界。

                                                                                                                            在VizWiz官网上公布的2万份求助中,盲人最多的提问就是想知道他们面前的是什么东西,很多情况下这些物品没法靠触觉或嗅觉来做出判断,例如 “这本书书名是什么?”为此研发团队在双流多模态锚点对齐模型的基础上,提出了自监督旋转多模态模型,通过自动修正图像角度及字符语义增强,结合光学字符检测识别技术解决“是什么”的问题。

                                                                                                                            盲人所拍摄图片模糊、有效信息少?研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法,并提出多阶段交叉训练策略,具备更充分的常识能力,低质量图像、残缺的信息,依然能够精准的解答用户的求助。

                                                                                                                            目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点,在AI助盲领域斩获世界冠军两项、亚军两项。

                                                                                                                            真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此,研发团队首次提出视觉定位文本去噪推理任务FREC,FREC提供3万图片和超过25万的文本标注,囊括了口误、歧义、主观偏差等多种噪声,还提供噪声纠错、含噪证据等可解释标签。同时,该团队还构建了首个可解释去噪视觉定位模型FCTR,噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议,该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。

                                                                                                                            在智能交互研究方面上,浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA,同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。

                                                                                                                            眼球虽然对温度并不敏感,但浪潮信息的研发团队,却在努力让盲人能“看”到科技的温度,也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍,跨越山海。科技的伟大之处不仅仅在于改变世界,更重要的是如何造福人类,让更多的不可能变成可能。当科技成为人的延伸,当AI充满人性光辉,我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意,见证着更加光明宏大的远方。

                                                                                                                            (文图:赵筱尘 巫邓炎)

                                                                                                                          [责编:天天中]
                                                                                                                          阅读剩余全文(

                                                                                                                          相关阅读

                                                                                                                          推荐阅读
                                                                                                                          凤凰彩票北京冬奥组委:坚持“以运动员为中心”
                                                                                                                          2023-09-12
                                                                                                                          凤凰彩票 草间弥生“进行时” 为上海“定制”
                                                                                                                          2023-08-29
                                                                                                                          凤凰彩票金像奖这5位女星造型失误
                                                                                                                          2024-01-24
                                                                                                                          凤凰彩票 北极熊宝宝跌落冰崖 熊妈攀爬寻子
                                                                                                                          2024-07-10
                                                                                                                          凤凰彩票罗永浩曾深刻改变这个世界
                                                                                                                          2024-03-04
                                                                                                                          凤凰彩票公益宝贝2017年度项目监测概况
                                                                                                                          2024-04-23
                                                                                                                          凤凰彩票想听最标准普通话?别去北京,要去这县城
                                                                                                                          2023-11-04
                                                                                                                          凤凰彩票监管华为多年 英国这一决定耐人寻味
                                                                                                                          2023-11-01
                                                                                                                          凤凰彩票【山东】推进1400个重点项目 新旧动能转换优选项目占半
                                                                                                                          2024-05-11
                                                                                                                          凤凰彩票春天的故事:蒋开儒和申进科将联袂传播健康文化
                                                                                                                          2024-04-03
                                                                                                                          凤凰彩票2022年海峡两岸民俗文化节在福州开幕
                                                                                                                          2024-06-27
                                                                                                                          凤凰彩票《纽约时报》刊登种族歧视漫画 道歉难平众怒(图)
                                                                                                                          2024-04-25
                                                                                                                          凤凰彩票睡前腿经常不适是什么病
                                                                                                                          2024-07-21
                                                                                                                          凤凰彩票冒险《ATLAS》取消帝国模式
                                                                                                                          2024-02-19
                                                                                                                          凤凰彩票 11个月的女儿肝脏硬化 29岁妈妈义无反顾捐肝
                                                                                                                          2024-06-17
                                                                                                                          凤凰彩票【江苏】江苏省2022年RCEP签证出口货值全国居首
                                                                                                                          2023-10-08
                                                                                                                          凤凰彩票美国西雅图起重机意外坠落 华裔女大学生被砸身亡
                                                                                                                          2024-04-12
                                                                                                                          凤凰彩票 长大后才懂您当时为啥总护着我
                                                                                                                          2023-10-21
                                                                                                                          凤凰彩票“嫦娥”和“玉兔”刚睡醒,就被网友的脑洞评论刷了屏
                                                                                                                          2023-10-18
                                                                                                                          凤凰彩票国内驾考太难?此国家考驾照居然要学漂移 简直没法比
                                                                                                                          2023-09-10
                                                                                                                          凤凰彩票 浙江一岁女童眼睛被戳穿,这东西你家也有!父母肠子都悔青了
                                                                                                                          2023-10-27
                                                                                                                          凤凰彩票 别看韩剧了!这才是百年前真实朝鲜
                                                                                                                          2024-05-05
                                                                                                                          凤凰彩票 偏偏这一刻,我扛不住了!
                                                                                                                          2023-12-11
                                                                                                                          凤凰彩票京籍外区无房家庭在密云就读需满足区内租房3年以上
                                                                                                                          2024-07-10
                                                                                                                          加载更多
                                                                                                                          凤凰彩票地图