深度学习侧信道
社区干货
基于深度学习的探地雷达图像去杂波|社区征文
随着深度学习以及大模型的普及,人们开始尝试将其应用到探地雷达图像去杂波任务中。 **基于深度学习的探地雷达图像去杂波**凭借强大的特征表示和学习能力,基于深度学习的方法已被广泛用于解决探地雷达杂波去... 以确定本地跨信道交互的覆盖范围, 使得网络能够有效地学习到不同通道之间的相关性。通道中提取的是图像中的特征,这些特征可以通过卷积和池化等操作从原始数据中提取出来。它可以根据每个空间位置的重要性自适应地对...
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... 要保证用户侧的加载耗时,必须要考虑新的算法在客户端解码的性能,而「按照我们的设计预期用户的解码耗时的增加值」需要小于「由于文件体积的减少带来的耗时」才能保证影响加载耗时变大,我们调研开源的一些图片解码性...
字节跳动 EB 级 Iceberg 数据湖的机器学习应用与优化
> 深度学习的模型规模越来越庞大,其训练数据量级也成倍增长,这对海量训练数据的存储方案也提出了更高的要求:怎样更高性能地读取训练样本、不使数据读取成为模型训练的瓶颈,怎样更高效地支持特征工程、更便捷地增删... 由于训练侧是基于特征名字来读,重命名后就读不到了。如果有算法同学发现对模型有影响,将其重命名回来就好,过了一段时间没有影响后就可以稳妥地物理删除该特征。- **回滚 & 撤销**当数据源/流水线出现问题时,...
图像处理解决方案 veImageX 技术演进之路
> 作者|周强近日,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。在保证同样的质量前... 相关的 OpenAPI 支撑了平台侧配置管理、用量查询、质量监控等能力。涉及到后两者的场景,需要查询数据仓库获取对应的数据。涉及到域名的场景,需要依赖 veImageX 的域名管理服务,和接入与分发的各个组件交互。**算...
特惠活动
深度学习侧信道-优选内容
深度学习侧信道-相关内容
关于对Stable Diffusion 模型性能优化方案分享 主赛道 | 社区征文
**Stable Diffusion**是2022年发布的深度学习图像化生成模型,它主要用于根据文本的描述产生详细图像,尽管它也可以应用于其他任务,如内补绘制、外补绘制,以及在提示词指导下产生图生图的翻译。Stable Diffusion技术作为一种先进的生成模型,具有在生成图像任务中表现出色的潜力。然而,在实际部署中,要确保模型在端侧设备上的高效运行,需要面对一系列挑战,包括性能瓶颈和资源利用率。通过模型优化方案,参赛者将深入挖掘Stable Dif...
我与Stable Diffusion的“缘” 主赛道 | 社区征文
其成为AI行业从传统深度学习时代走向AIGC时代的标志性模型之一**,并为工业界,投资界,学术界以及竞赛界都注入了新的AI想象空间,**让AI再次性感**。在当时我对它的了解仅限于耳闻其名。要说我与Stable Diffusion的真正的“缘”,不得说一次偶然的机会,一场恰逢的比赛,让我陷入了对Stable Diffusion的深度研究,尝试多点优化AI生图模型在端侧设备上的 Pipeline性能,以求得”最优解“。回顾那场比赛,我仿佛置身于Stable Diffusion的...
字节跳动智能音频信号处理的应用实践
## 音频信号处理发展趋势从我这些年的工作过程中,我把音频信号处理分为了三个大的部分:- 最基础的部分是算法,包括自适应滤波器、阵列信号处理以及心理声学和深度学习等算法技术。- 算法基础可以保证上层关... 以及在播放侧打造更好的声音效果的 EQ 技术等等。- 这些技术向上支持的是全链路语音交互,包括远场语音交互以及通话降噪。- 在具体的应用场景中,目前主要在教育智能硬件、智能家居以及智能穿戴等产品中会应用...
字节跳动智能音频信号处理的应用实践
**阵列信号处理** 以及 **心理声学** 和 **深度学习** 等算法技术。* 算法基础可以保证上层 **关键技术组件** 的技术演进。比如自适应滤波器理论的发展大大加速了回声消除在各业务场景中的应用;阵列信号处理... 以及在播放侧打造更好的声音效果的 **EQ 技术** 等等。* 这些技术向上支持的是 **全链路语音交互** ,包括远场语音交互以及通话降噪。* 在具体的应用场景中,目前主要在 **教育智能硬件** 、 **智能家居** 以及...
2021 年我的NLP技术应用“巡径”之旅|社区征文
基于开源平台进行深度的开发和定制形成一个符合自己要求的AI应用平台。二是,基于成熟商业化AI平台上端侧应用开发实现企业AI应用的落地。在考察国外的Pytorch、tesorflow和国内PaddlePaddle、Volcengine等AI框架后,... 有监督的深度学习,Bert神经网络,图神经网络在NLP方向应用研究相信将是未来研究的前沿,我相信未来围绕NLP技术的AI应用将更能提升技术赋能业务的目标的实现。
AI元年:一名前端程序员的技术之旅|社区征文
在Web端AI的优势和局限性和端侧AI差不多。虽然PC用户主要通过网络端访问互联网内容和服务,但是许多移动应用也会嵌入Web页面,但由于浏览器的内存和存储配额是有限,这让在Web上运行AI应用变得更加比较困难。在2015年的时候,就有一个名为`ConvNetJS`的库出现,它能在浏览器中使用卷积神经网络进行分类和回归任务。尽管该库现在已经停止维护,但在2018年,出现了许多JS的机器学习和深度学习框架,如`Tenforflow.js`、`synaptic`、`Brai...
Meetup 精彩回顾& PPT 领取|字节跳动和 OPPO 背后的算法技术实践
随着智能硬件的普及和端侧芯片计算能力的提升,智能音频处理技术如何满足真实场景中的业务需求,如何做到高质量、低延时、低计算量?本分享结合传统音频信号处理和深度学习技术的发展,探索智能信号处理技术在高质量音频采集、声场还原以及智能语音交互这三个方面的应用。