深度学习传统方法
社区干货
veImageX演进之路:我用图像压缩算法为公司省了30%成本
**前言** 日前,第五届深度学习图像压缩挑战赛(以下将简称“ CLIC 大赛”)比赛结果公布,首次参赛的火山引擎视频云多媒体实验室夺得视频压缩赛道第一名。压缩技术对于图像、视频应用十分重要。在保证同样主观质... 我们选取了一些客观指标以及我们自己训练的无参考的清晰度评估方式(VQScore算法),对图像清晰度和美学进行整体评估:
特惠活动
深度学习传统方法-优选内容
深度学习传统方法-相关内容
降噪/去混响/去啸叫-V3版本
简介 降噪 Audio Noise Suppression(ANS)通过深度学习的方式来实现不同场景的噪声消除,比传统方式更智能、更干净地过滤噪声,并尽可能地保留人声或者音乐背景。 啸叫抑制:(Howling Suppression),声源与扩音设备之间因距离过近等问题导致能量发生自激,产生啸叫。例如话筒与音箱同时使用,音响系统重放的声音能够通过空间传到话筒。SAMI利用基于深度学习的反馈抵消(Feedback Cancellation)算法来对啸叫进行抑制。 去混响:(Speech D...
大模型和深度学习的工作总结|社区征文
越来越多的技术:深度学习、AI、大模型、虚拟现实VR等慢慢进入我们的生活。**基于大模型的图像去雾**在今年这个阶段,我的主要工作是研究基于深度学习的图像去雾工作。随着现代工业文明的发展进步,大气污染现象愈... 大模型和深度学习技术的最新进展彻底改变了计算机视觉领域,许多领域都取得了重大进展,包括图像分类和对象检测。图像去雾也不例外,针对图像去雾开发了大量方法,并狠狠地推动了技术发展水平。比如基于大模型下的最新...
AI与深度学习的一年 | 社区征文
深度学习方法能以更方便的方式对特征进行提取,在图像分类、人工智能等领域取得了良好的效果。近些年来,一些研究人员开始将深度学习方法应用于癫痫发作检测领域。# 方法## 1融合GCN和transformer的癫痫自动检测模型基于GCN和transformer的癫痫自动检测模型,该网络模型处理过程中可以分成三个步骤:特征提取、重构和分类。在特征提取阶段,通过GCN对输入的脑电信号进行去噪并进行特征提取处理;特征重构阶段将处理后的数据作为特...
我的深度学习项目经验分享|社区征文
# 引言AI爆火的2023年,也是我开始学习AI的第一年,从后端领域向AI领域发展也是一个不错的选择。是什么原因让我觉得AI领域更值得钻研和发展呢?其实之前的文章也能体现出来,AI的爆火在于它确实能促进整个社会中大多人群的学习工作和生活的效率的提升,这是非常实用的。我要和大家分享的项目也是我学习AI过程中做的小项目,是利用视频分析技术结合深度学习构建的一个智能视频监控系统,用来进行实时监测和分析人员活动,提供监测识别和...
字节跳动 EB 级 Iceberg 数据湖的机器学习应用与优化
所以我们需要寻找方法来提高样本的读取吞吐量,确保可以充分利用现有的算力资源。最后,在深度学习的加持下特征工程已经变得更加自动化和简化,我们可以顺应趋势进一步**提高特征调研和工程的效率**。通过加速特征工程和调研过程缩短模型迭代周期、提高算法的开发效率。 # 存储样本方案演进## **传统存储样本方案**# 训练方法目前,模型加速领域已经建立了很多有影响力的开源工具,国际上比较有名的有微软DeepSpeed、英伟达Megatron-L...
边缘智变:深度学习引领下的新一代计算范式|社区征文
并承担运用的思路解决方法。云计算层可视为边缘计算的“大脑”,负责协调及管理系统的运行。# 3.边缘计算的特点低延迟:由于系统边缘的数据处理和应用逻辑,能够降低传送数据位置和时长,从而减少了延迟。这对需要... 也可以通过Web API等方式提供给医生进行查看和分析。我使用Flask框架编写一个简单的Web API:```from flask import Flask, request, jsonify app = Flask(__name__) @app.route('/predict', methods=['POST'...
个人年度总结:深度学习与AIGC技术在智能诗歌生成中的应|社区征文
其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能,成为 AIGC 发展的“加速度”。# “智能诗歌生成”的AIGC项目我曾参与了一个名为“智能诗歌生成”的AIGC项目。该项目的主要目标是利用人工智能技术生成具有特定主题和风格的诗歌。以下是我在该项目中的实践经验和内容分享:**数据收集与预处理:** 首先,我们收集了大量的古代诗歌和现代诗歌数据,并对这些数据进行清洗和预处理,包括去除标点符号、停用词、分...
字节跳动智能音频信号处理的应用实践
上图中间的部分主要是基于深度学习技术来提取高质量音频,这里用到的技术主要是多模态语音增强以及模型波束等技术。相比于传统的针对信号处理的波束形成技术,基于模型的深度学习的方法可以设计出更好的波束指向性以及更好的频率响应,来实现空间声音指哪打哪的效果。提取出来视频画面中的各个声源之后,还要做更多的后处理,包括声音和画面的增益同步以及多音源的音量均衡,来保证音频相比原始的视频来说质量不降低。通过这三个部...
