m1185

新闻配图2月7日报道韩媒称，韩国贸易组织2月6日说，涉及针对韩国的进口限制措施，美国实施的远多于其他任何国家实施的，这是美国正在向盟友施加更多贸易压力的明证。据韩联社2月6日报道，韩国国际贸易协会（KITA）说，韩国目前面临世界其他国家和地区的196项进口限制，其中美国实施的就达40项，高居首位。在美国实施的全部限制措施中，30项是反倾销调查，反补贴税和贸易保护措施的数量分别为8项和2项。从产品分类来看，钢铁和金属产品面临的进口限制最多（28项），其次是电子产品（5项），其余措施针对的是化学品和纺织品。KITA认为美国对韩国实施如此多的贸易限制是因为韩国的工业结构与中国类似，并称影响韩国产品的这些美国限制措施大部分针对的是中国。另一个原因是韩国与美国企业在一些工业领域的竞争日趋激烈。KITA说：“华盛顿征收反倾销和反补贴税大多数时候是应私有企业的要求。来自韩国企业竞争对手的请愿次数一直在增加。”KITA预测，唐纳德·特朗普政府今年将继续推行贸易保护主义，并称美国也许会扩大进口受限产品的范围。该组织还说，截至2月5日，印度是对韩国商品实施贸易限制措施第二多的国家（29项），然后是中国和土耳其（均为14项）。m1185

近日，演员卢杉现身北京高铁站，一组夜晚高铁街拍曝光。身穿橘色长款毛呢大衣搭配复古公文包外加咖色宽檐帽，整体造型文艺复古又随性大气，面露笑容气色佳少女感十足。暖色的碰撞打破了冬日夜晚的沉闷，给冬日的夜晚增添了一丝温暖的气息。m1185

原标题：云从科技 国家队打破3D结构光人脸识别技术垄断 我国正成为崛起中的AI强国 我国是公认的AI大国，中国在人工智能领域有1354家企业，2017年投资总额超过622亿元，相比2012年的6亿元翻了上百倍。中国媒体把2017年称为“AI年”，云从科技则是人工智能从学术进入产业、普及应用的典型企业。 2018年2月7日，云从科技正式宣布推出“3D结构光人脸识别技术”，新技术相较以往的2D人脸识别及以红外活体检测技术的上有了非常大的飞跃。在安全性、识别精度、识别速度方面都得到大幅提升，不仅在千万分之一误识率下能达到99%以上的准确率，还将速度由1-2秒缩短到毫秒级，更是能防御面具、视频等欺诈手段。 此前，这种技术广泛应用在iPhone X上，2017年10月，媒体曾宣称Face ID 技术领先其它手机厂商两年半。 2016年5月份，云从科技已有的大量金融级应用，包括刷脸取款，刷脸购物急需性能更强的人脸识别技术支持。当时云从科技就开始着手结构光技术的研究。 新技术的发布，打破了苹果Face ID的垄断，实现了全球顶尖技术的国产化。标志着云从科技继续引领计算机视觉技术的发展及中国终于可以突破3D结构光人脸识别技术的壁垒，今后国产技术将全面应用于手机，电脑m1185

原标题：上海某公立医院HIS系统被黑，被勒索2亿“以太币” 2月6日，据“医学界智库”消息，上海某公立医院系统被黑，黑客勒索价值2亿元以太币！ 其实，近来黑客屡屡向医院下手。早在2017年5月，就有新闻爆出“黑客倒卖医院数据落网，广州医药圈震荡 ”，黑客团伙将非法获取的医院药品数据，倒卖给诸多医药代表。 在 5月 8 日和 5月 9 日两天，广州有多名医药代表被警方传唤，部分医院的药剂和采购部门也有人士牵连其中。业内人士称，被调查的医药代表来源广泛，不乏来自知名药企；涉案医院也包含广州诸多著名医院。 据当时财新截取的部分《拘留通知书》照片，显示黑客们涉嫌罪名多为“非法获取计算机信息系统数据”、“非法控制计算机信息”等。据其报道，大型“三甲”医院的基本药品品规不超过1500种。若以平均1200种基药计算，且每种药品都存在“信息费”，仅单一医院就会形成一个96万到240万元不等的非法信息售卖市场，可想而知黑客如果取得这些信息进行倒卖，是存在巨大的需求的。 据“医学界智库”透露，医疗数据在黑客眼中简直就是个大金库，内有个人姓名、住址、联系方式、社会保险号码、银行账号信息、索赔数据和临床资料等海量信息。这些信息不光能m1185

原标题：谷歌大脑提出TCN，能让机器人边看视频边模仿 ?谷歌大脑Time-Contrastive Networks（TCN）论文解读视频 翻译 | Laura 校对 | 吴璇 整理 | 凡江 雷锋网按：在「Time-Contrastive Networks: Self-Supervised Learning from Multi-View Observation」这篇论文中，谷歌的研究者提出了一种从观察中学习世界的新方法。雷锋网本期译制视频多角度展示了机器人仅仅通过观看视频，就能在无人监督的情况下，模拟视频动作的全过程。 除了视频演示之外，谷歌大脑并未对机器人系统提供监督学习。他们将这种方法运用于各种不同的任务，以此来训练真实和虚拟机器人。例如，倒水任务，放碟任务，和姿势模仿任务。 第一步 通过视频的分解镜头来学习，将时间作为监督信号，发现视频的不同属性。这组嵌入向量经由一组非结构化和未标记的视频训练，里面含有和任务相关的有效动作，也有一些随机行为，来体现真实世界中的各种可能状态。 模型使用triplet loss误差函数，基于同一帧的多视角观察数据来训练多视角下同时出现的帧，在嵌入空间中互相关联。当然也可以考虑一个时间对比模型，只根据单一视角来训练。这一次，有效帧在锚点的一定范围内随机m1185