侵权投诉

AI驱动的超分辨技术应用现状

LiveVideoStack 2020-11-25 15:41 次阅读

基于AI的超分辨技术在图像恢复和图像增强等领域的应用前景,受到了学术界的关注,但在RTC领域中很多算法并不能满足实际场景下的应用需求。本次分享我们邀请到了网易云信音视频算法工程师袁振老师探讨超分辨技术在RTC领域大规模落地应用所面临的机遇与挑战。

文/袁振整理/LiveVideoStack大家好,我是袁振,现在就职于网易云信,主要负责视频后处理算法的开发和研究。今天我将和大家分享AI驱动的超分辨技术应用现状,主要是结合我之前的研究方向,以及当前的业务需求,来向大家分享一下基于深度学习的超分技术在RTC领域落地应用所面临的一些机遇和挑战。我的分享主要包括以下四部分内容。

1.图像超分辨技术的简要概述

1.1超分辨技术的提出

有的同学可能会问,什么是超分辨?比较直观的理解,超分辨就是将一张低分辨率图像,通过某种算法、模型生成一张高分辨图像的过程,并且在这个过程中尽可能地恢复出更多的细节信息。比较通俗的理解,超分辨就是从小图生成大图的计算机视觉任务。超分辨这一概念最早是在20世纪60年代由Harris和Goodman提出的,一开始也被称为频谱外推法。但是在研究初期,频谱外推法只是在一些比较理想的条件下,进行的一些仿真,所以一开始并没有得到广泛的认可。直到后来,单张图像超分辨方法提出之后,超分辨重建技术才开始得到广泛的研究和应用。目前,它已经成为图像增强、乃至整个计算机视觉领域重要的研究方向。1.2超分辨技术的分类

根据超分辨对象,超分辨技术可以分成单张图像的超分辨以及多张图像的超分辨两种类型。其中,单张图像的超分辨方法只根据低分辨率图像自身的信息就可以完成到高分辨图像的重建,是目前学术界研究的重点。单张图像的超分辨方法根据原理的不同,也可以分为基于插值、重构、学习的方法。其中基于插值的方法是最简单、也是应用最为广泛的方法,像我们平时应用最多的用于图像缩放的算法,基本上都是基于插值的方法。它的优点是算法比较简单,实时性比较好,所以目前应用最广泛,但缺点是,在插值的时候没有充分利用图像的像素信息,效果比较平滑,不能恢复出更多细节信息。

它的主要思想是选择合适的插值窗口和插值函数来对低分辨率图像中一定范围内的像素信息进行加权计算,来得到一个新的像素值,插入到图像中,从而实现图像的放大。根据插值窗口和插值函数不同,基于插值的方法也有很多类型:像最简单的最近邻插值方法,它是直接将待插值像素点最近的像素值,赋值给新的像素值,它的插值窗口大小是1×1;其他的插值方法比如双线性和双三次插值,使用了更大的插值窗口以及一些更高阶的插值函数,超分辨的效果也更好。总体来说,插值窗口越大,基于插值的超分辨方法的效果也会越好。基于重构的方法,它主要是利用了图像的降质退化模型,假定图像是经过了一定的退化过程,才得到了低分辨率的图像,然后根据这一信息,完成高分辨图像的逆向重建。

这种方法在一些特定的领域具有比较好的效果,但是由于在实际的场景中,图像退化的因素多种多样,假设的先验信息并不准确,因此重构的方法在实际应用中,并不是很广泛。然后就是基于学习的方法,也是目前效果最好也是学术界研究最多的一种方法。它的核心包括两个部分:一个是算法模型的建立,另一个就是训练集的选取。根据算法模型和训练集,基于学习的方法也可以分为传统学习方法和深度学习方法。一般来说,传统学习方法的算法模型比较简单,训练集也往往比较小。深度学习方法一般是指采用大量数据训练的卷积神经网络的方法,也是目前效果最好的超分辨方法。因此接下来我将重点介绍基于深度学习的超分辨方法的发展过程。1.3DL-basedSR

首先SRCNN是深度学习方法在超分辨问题的首次尝试,它是一个比较简单的卷积网络,由3个卷积层构成,每个卷积层所负责的职能也各不相同,其中第一个卷积层的作用主要是负责提取出抽象的高频信息,第二个卷积层则负责完成从低清特征到高清特征的非线性映射,最后一个卷积层的作用是重建出高分辨率的图像。SRCNN的网络结构比较简单,超分辨效果也有待改善,不过它确立了深度学习方法在处理超分辨这类问题时的三个基本过程。

后来的一些深度学习方法不管网络有多复杂,卷积层有多深,基本也是遵循着这一思想去进行超分辨的重建。后来的ESPCN、FSRCNN也都基于SRCNN进行了一些改进,总的来说它们的网络层数仍然比较浅,卷积层数一般不会超过10,超分辨的效果也不是特别理想。因为在当时,深度卷积网络的训练是存在一些问题的。一般对于卷积神经网络来说,当网络层数增加的时候,它的性能也会增加,但在实际应用中,人们发现当网络层数增加到了一定程度的时候,由于反向传播的原理,就会出现梯度消失的问题,导致网络的收敛性变差,使得模型性能降低。这个问题直到ResNet提出了残差网络结构之后,才得到了比较好的解决。

VDSR网络是残差网络以及残差学习思想在超分辨问题上的首次应用,将超分辨网络的层数首次增加到了20层,它的优点是可以利用残差学习的方式,直接学习残差特征,这样的话网络的收敛会比较快,超分辨效果也更好。后来的一些卷积神经网络也提出了更复杂的结构,比如SRGAN提出使用生成式对抗网络来生成高分辨的图像,SRGAN由2部分组成,一个是生成网络,另一个是判别网络。生成网络的作用是根据一张低分辨率的图像来生成一张高分辨的图像,而判别网络的作用是将生成网络生成的高分辨图像尽量判定为假,这样网络在训练的时候,生成网络和判定网络两者之间不断博弈,最终达到平衡,从而可以生成细节纹理比较逼真的高分辨图像,具有更好的主观视觉效果。其他的深度卷积网络方法比如SRDenseNet、EDSR、RDN,它们使用了一些更复杂的网络结构,网络的卷积层也越来越深,在单张图像上的超分辨效果也是越来越好。

以上是我对超分辨技术发展的总体趋势的简单总结,基本上可以概括为从传统方法,到深度学习方法,从简单的卷积网络方法到深度残差网络方法。在这个过程中,超分辨模型结构越来越复杂,网络层次越来越深,单张图像的超分辨效果也越来越好,不过这也会有一定的问题,在后面我会具体介绍到。

2.超分辨技术应用现状

根据我的调研,目前在业界已经落地的超分辨项目,应用场景可以概括为视频和图像两个领域,具体包括低质视频的修复,比如一些老旧电影、电视剧或者质量比较差的视频,这在一些视频网站上比较常用;还有电视和直播分辨率的提升,比如一些网络TV或者直播平台;此外在移动端,主要应用于图像画质的优化,比如手机相机分辨率的提升。下面我会介绍几个具体的例子分别介绍这三类应用场景。2.1爱奇艺ZoomAI

第一个是爱奇艺推出的ZoomAI,它是一个比较成熟的深度学习工具包,主要针对目前网络视频所存在的一些低质退化问题,是各种视频处理和增强方法的集合,它主要应用的场景包括用户在上传网络视频的时候,由于拍摄手段不专业导致的噪点和模糊问题,还有一些老旧电影、电视剧由于在拍摄时分辨率比较低,以及后来数字化过程中引入的噪点和划痕问题,导致网络视频画质低下。ZoomAI针对这些低质视频存在的问题,提出了一系列不同的视频处理算法,像超分辨、去噪、锐化等等。这些算法模块都是由一个或若干个深度学习模型组成,并且相互独立,可以根据用户的不同需要,实现不同场景视频的增强和修复。

我们比较关注其中的超分模块,ZoomAI的超分模块提出了两种策略。学术界在探究超分辨问题时,一般经典的做法是采用均方误差作为损失函数去约束整个网络的训练,均方误差是一种L2型的损失函数,好处是可以重建得到具有更大峰值信噪比的超分辨图像,不过峰值信噪比并不能代表人眼的主观感受。当使用L2损失作为损失函数时,需要对异常值进行平方处理,所以当异常值比较大的时候,损失也会比较大。这样导致对噪声特别敏感,在宏观上,表现为生成图像会出现模糊预测的问题。

ZoomAI针对学术界这种常用的训练模式所存在的问题,提出了两种策略上的改进,首先它在训练集中加入了一些模糊操作。这样网络在训练时,数据和标签之间,不仅有从低分辨特征到高分辨特征的映射关系,也存在从模糊到清晰的映射关系,生成的图像会具有更好的细节。针对MSE损失函数所存在的模糊预测问题,ZoomAI则是引入了另外一种损失函数,来改善之前均方误差所产生的模糊预测问题。

右边这张图像是传统的插值方法和ZoomAI中基于深度学习的超分辨方法的对比,可以看到双三次插值后的图像细节是比较差的,发丝的纹理和细节基本上是看不太清。基于深度学习的方法,生成的图像具有更丰富的细节和边缘。不过ZoomAI也存在一些局限,因为它是由若干个模块组成的,每个模块都包含了一个或者若干个深度学习模型,导致它的计算量比较大,只是在自己服务端进行视频处理,没有办法在接收端做到视频的实时处理。另外,由于计算量的限制,在手机端也没有用到深度学习的方法。2.2虎牙直播AI超分

下面是一个直播超分辨的例子,上图是去年的一篇报道,虎牙的技术团队利用他们基于深度学习的超分技术实现了S9赛事视频从1080P到4K的两倍超分,并且可以达到60帧,画面延时仅仅增加了100毫秒。我当时看到这个新闻时是比较震惊的,对于从1080P到4K的两倍超分,计算量是特别大的,而且关键是还要达到60帧,延迟的增加也在可接受范围之内。后来仔细看完文章之后,发现他们的超分也是在自己的服务端进行的,先是在服务端的GPU转码集群内做了超分处理,然后再通过虎牙比较强大的分发平台去分发给用户。这样其实与我们目前的业务场景是相悖的,因为RTC领域更多是希望窄带高清的应用场景,在不牺牲用户画质的前提下,尽可能减少网络带宽。这种方法由于是在分发之前做了超分,所以传输的视频比较大,所需要占用的带宽也比较大,没有办法在接收端实时实现。2.3移动端画质增强

这两个是应用在移动设备上图像超分的落地项目,其中一个是vivo和商汤合作的,基于深度学习的手机相机分辨率增强的项目;另一个是谷歌和腾讯在他们各自社交平台上所推出的图像省流的项目,据说可以在不牺牲图像质量的前提下,来尽量减少用户流量,可以降低高达75%的带宽。

3.视频任务的需求与SR的挑战

上面三个例子是几个比较有代表性的已经落地的比较成熟的超分辨项目,总体来说,这些项目依然没有办法在客户端尤其是移动端做到实时处理。接下来我将介绍一下,RTC领域对于视频任务提出的一些需求,以及目前基于深度学习的超分辨方法在这种情况下所面临的挑战。

在RTC领域中,对于视频处理任务来说,由于我们所面对的大多数场景都是像直播和会议这种即时通信场景,对算法的实时性要求是特别高的,所以视频处理算法的实时性是优先考虑的,然后是算法的实用性。这里怎么理解呢?用户在使用直播或会议时,摄像头所采集到的视频质量一般都不是比较高的,可能包含了很多噪点;另外视频在编码传输的过程中会先进行压缩,在压缩的过程中也会导致图像画质的退化,所以RTC领域的实际应用场景比较复杂,而很多视频处理方法,比如超分辨算法在研究的是比较理想的场景。所以我们需要考虑如何提高这些方法在实际场景中的实用性。另外,如何去提升用户尤其是移动端用户的体验,减少算法的计算资源占用,适用更多的终端和设备,也是视频任务所必须考虑的。

针对上面这些需求,目前的超分辨方法尤其是基于深度学习的超分辨方法是存在很多问题的。目前学术界关于超分辨的研究大多还是局限在理论阶段,图像超分,尤其是视频超分如果要大规模落地的话,必须要去面对一些实际问题。首先是网络模型的问题,因为目前很多深度学习方法为了追求更好的超分辨效果,所采用的网络规模比较大,这些卷积神经网络规模动不动就几十、上百层,并且参数量也越来越多,需要耗费大量的计算资源。

这在很多实际场景中没有办法实时处理。第二点是关于深度学习模型的泛化能力问题,对于各种深度学习模型来说,都会存在训练集适配的问题,在训练的时候所使用的训练集不同,在不同场景上的表现也不同。用公开数据集训练的模型,在实际的应用场景中是否也会具有同样良好的表现,也是我们需要重点关注的问题。第三点是真实场景下超分效果的问题,目前学术界的一些超分方法,都是针对一些比较理想的问题,比如通常都是针对从下采样图像到高分辨图像的重建。但在真实的场景中,图像的退化不仅仅包括下采样因素,可能会有很多其他的因素,比如之前提到的图像压缩、噪点、模糊等。怎么样在这些真实的场景下提高超分的效果,也是目前超分辨方法需要思考的问题。

总的来说,目前基于深度学习的超分辨方法在视频任务中,所面临的主要挑战可以概括为,如何凭借规模比较小的网络来实现具有良好真实效果的视频质量增强,也就是说怎么样“既叫马儿跑得快,又让马儿少吃草”。

4.视频超分辨技术的发展方向

目前在RTC视频领域,超分辨基本上可以概括为三个发展方向。首先,深度学习方法依然会是超分辨算法的主流,因为传统的方法在超分辨任务上的效果还是不太理想,细节会比较差。深度学习方法为超分辨提供了一条新的思路。近年来基于卷积神经网络的超分辨方法,也逐渐成为主流方法,效果也是在不断改善,虽然还存在一些问题,但相信在不久的将来,这些问题也将会得以解决,深度学习方法依然会是超分辨的主流研究方向。

第二点,一些参数比较小的轻量级网络,在推动超分算法落地方面,可能会发挥出更大的作用。因为目前各种的深度卷积网络方法,像EDSR、RDN这些过于庞大的深度残差网络是难以满足视频实时传输需要的,一些比较小的轻量级网络对于实时任务会有更好的效果。第三点是将来的超分辨方法会更加聚焦在一些真实场景的任务,因为学术领域的SR方法多是针对下采样问题进行超分,在真实场景下的表现并不是很好,在真实场景中,图像退化因素是各种各样的,一些比较有针对性的方法,比如包含压缩损失、编码损失以及各种噪声的超分辨任务,可能会更加实用。下面我将对这三点做具体的介绍。4.1深度学习方法依然是主流

我总结了一下,近年来一些顶级CV会议上所发表的超分辨论文的总结。可以看到近几年来,基于深度学习的超分辨方法相对于传统方法的论文数量呈现出一边倒的局面,并且这种局面在未来几年还会进一步扩大。因为随着一些轻量级网络的出现,深度学习方法将来在落地应用方面可能会有更大的突破。4.2轻量级网络推动算法落地下面介绍轻量级网络在推动超分算法落地时所发挥的作用。在这之前,先向大家介绍卷积神经网络以及卷积神经网络参数计算相关的一些基本概念。

左图是一个经典的3×3的卷积过程,3×3大小的卷积核会对输入特征图上的3×3范围内的像素值进行加权计算,得到一个新的特征值,最终通过步长为1的逐次扫描得到一张输出特征图。在输入特征图中,边界这一圈空白像素代表的是padding为1的填充,目的是保证特征图的对齐,也就是让输出特征图和输入特征图的尺寸保持一致。因为在超分辨的过程中,特征图的尺寸比较重要,一般不会轻易发生改变,所以我们需要采用合适的填充,来保证特征图的对齐。

右边是没有加padding的情况,可以看到一个5×5的特征图经过3×3的卷积后,它的尺寸会缩小为3。右边是一个比较简单的卷积层的示意图,它的输入是一个三通道的RGB图像,经过5个通道的卷积之后,每个卷积核都会和输入的三个通道进行卷积计算,得到一个新的特征图,经过5个卷积核之后就会输出5通道的6×6特征图。在这个过程中,卷积层的参数主要是跟输入输出的特征维度以及特征图、卷积核的尺寸是相关的。

现在的轻量级网络通常也是从以上方面对网络的模型和参数进行压缩。具体包括特征压缩、特征降维、减少卷积层尺寸、利用分组思想的卷积策略。其中比较好理解的是特征压缩和特征降维的方式,在进行比较大尺寸的卷积计算之前,先用1×1的卷积核降低特征的维度,然后再进行比较大尺寸的卷积核进行计算。另外卷积核尺寸减少对于缩减网络规模也是一种比较有效的方法。

在介绍之前,先向大家介绍一下感受野的概念。感受野是指卷积神经网络输出特征图的特征值在输入图片上映射的区域范围的大小。比较通俗的理解就是,输出特征图的一个特征值所对应输入特征图的区域范围。比如右边的例子是一个5×5的卷积过程,左边的是输入特征图,在进行卷积时,5×5范围内的像素会和卷积核进行卷积计算得到一个新的特征值。那么新的特征值所对应的输入特征图上的范围就是5×5,所以它的感受也就是5×5。

那么我们是不是可以在保持感受野不变的情况下使用更小尺寸的卷积核去减少网络的参数,比如一个5×5的卷积核可以用两个3×3的卷积核代替,并且它的参数量可以减少到原来18/25,感受野保持不变;一个7×7的卷积核可以用3个3×3的卷积核来代替,参数量可以减少为原来的27/49;一个9×9的卷积核也可以用4个3×3的卷积核来代替。这样的好处是使用多个较小尺寸的卷积层可以比一个更大的卷积层进行更多次的非线性变化,这样的话对抽象特征的学习能力会更强。而且VGGNet提出,对于卷积神经网络,卷积核的尺寸并不是越大越好,当卷积核尺寸增加到一定程度后,网络的精确度反而会下降,所以当我们使用比较小的多个卷积层去代替大的卷积层时,不仅可以减少网络的尺寸,而且可以使网络具有更好的非线性能力。

上图是两个利用分组思想的模型压缩策略,一个是分组卷积,在左边的经典卷积计算过程中,它的输入是一个12通道的特征图,经过6通道的卷积后,会得到6个输出特征图,在进行卷积计算时,每个卷积核都会和12个输入特征图进行卷积计算,这种情况下需要进行72次的卷积计算。但是如果我们把不同的卷积核和输入特征进行分组,比如我们将其分为3组,其中每3个输入特征只分别和对应的两个卷积层进行卷积,这样的话,可以把卷积计算的次数缩减到原来的三分之一,只进行24次的卷积计算。

所以分组卷积可以大幅度压缩网络的规模。另外一种深度可分离卷积是一种比较特殊的分组卷积,它也是把传统的卷积计算分为了两个过程,同样可以对网络的参数进行多倍的压缩。目前基于深度学习的超分辨方法,网络规模还是比较大的,如果要想在移动端落地应用,依旧存在不小的难度。所以使用这些轻量级网络所提出的一些思想对模型进行压缩,对于深度学习方法的落地是极为重要的。4.3更加聚焦真实场景任务

最后是关于真实场景任务的一些思考,这是目前学术界比较通用的超分辨模型的训练模式,一般是将高分辨图像经过下采样得到低分辨率图像,以此作为配对的数据集输入到网络中进行训练。但是这种情况只考虑到了下采样退化的因素,而在实际场景中图像会有像图像压缩、视频编码以及图像采集噪声等多种退化因素,如果直接用公开训练集训练好的模型套用在实际的场景中,效果是比较差的。

这里举一个我们业务中遇到的例子,在RTC领域中我们需要对视频进行编码,然后再去传输给接收端解码,但是当网络比较差的时候,视频编码所采用的量化参数会比较大,会对图像造成比较严重的压缩,从而导致输出图像会带有一些块效应和其他失真,画质比较模糊。这种情况下,如果直接将解码后的视频进行超分,这些视频的损失也会被进一步放大,超分效果就会不够理想。针对这种问题,我们提出了一些改进思路,一种方法是在数据集中加入编码损失,先对数据集进行预处理,在预处理时把编码损失也加入到训练集中,网络在训练时可以同时学习到下采样损失和编码压缩损失;另外则是结合去模糊和去噪等算法增强超分效果。基于这些思路,我们目前提出了基于编码损失复原的视频超分辨方法。

这是我们所提出的视频超分方法的基本思想,目前还在探究阶段,所以这里提出两条思路,一种直接将原始尺寸的视频使用比较大的QP进行编码、传输。这样解码后视频会产生比较大的失真,这时候可以用去模糊的方法,并且把QP损失考虑进去,得到去模糊的重建视频。对于这种方法,视频的损失是比较单一的,只包含了视频编码的压缩损失,但缺点是在原始尺寸的视频上进行的,所以计算量会比较大。另外一种思路是在进行编码传输之前先对视频进行下采样,然后将解码后的低分辨率视频进行超分,并且在超分模型中加入特定QP损失,重建得到超分辨图像。这种方法是在下采样后的小尺寸视频上进行计算的,计算量相对第一种方法会小一些,但是解码后视频中既包含了下采样损失,也包含编码压缩损失,所以如何恢复出更好的细节也是对于超分辨算法的严峻挑战。

责任编辑:xj

原文标题:基于AI的超分辨技术在RTC领域的技术难点与挑战

文章出处:【微信公众号:LiveVideoStack】欢迎添加关注!文章转载请注明出处。

原文标题:基于AI的超分辨技术在RTC领域的技术难点与挑战

文章出处:【微信号:livevideostack,微信公众号:LiveVideoStack】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

人工智能公司Rokid发布新双目混合现实眼镜

1月15日消息,据国外媒体报道,今日,人工智能公司Rokid发布了最新的双目混合现实(MR)眼镜Ro....
的头像 电子魔法师 发表于 01-17 09:27 100次 阅读
人工智能公司Rokid发布新双目混合现实眼镜

OPPO Reno5系列登上央视,开售十分钟销量破亿

近日,在央视二套财经频道中,对我国全年智能手机市场进行了回顾:2020年,我国智能手机出货量2.96....
的头像 我快闭嘴 发表于 01-16 10:12 325次 阅读
OPPO Reno5系列登上央视,开售十分钟销量破亿

赛昉科技发布全球首款基于RISC-V的AI单板计算机

2021开年,RISC-V的生态建设又就有了新动态。本周,赛昉科技发布了全球首款基于RISC-V的A....
的头像 lhl545545 发表于 01-16 10:08 254次 阅读
赛昉科技发布全球首款基于RISC-V的AI单板计算机

RISC-V AI单板计算机BeagleV技术分析

U74定位于中档的处理器核,主要与ARM公司的Cortex-A55对标(A55是双发射in-orde....
发表于 01-16 09:18 669次 阅读
RISC-V AI单板计算机BeagleV技术分析

第二届AETA地震预测AI算法大赛启动啦!

三九严冬 天寒地冻 即便在号称四季如夏的深圳 这几天也冻得瑟瑟发抖! 天这么冷除了抖腿还能做啥子嘛?....
的头像 Duke 发表于 01-15 19:30 577次 阅读
第二届AETA地震预测AI算法大赛启动啦!

聪明又能干的机器人化学家 每天工作21.5小时,自主发现新型材料

  有一个聪明又肯干的员工是一种怎样的体验? 灵活穿梭在化学实验室的科学家,可能不是人类,而是AI机....
的头像 机器人大讲堂 发表于 01-15 17:37 422次 阅读
聪明又能干的机器人化学家 每天工作21.5小时,自主发现新型材料

百度灵医智惠推出全系AI医疗解决方案

对于AI+医疗类公司,艾瑞认为,综合技术能力主要体现在覆盖医疗场景的广度与对医疗垂直及细分领域研究的....
的头像 牵手一起梦 发表于 01-15 17:34 413次 阅读
百度灵医智惠推出全系AI医疗解决方案

物联网和AI新格局的塑造,从半导体上游开始

物联网的碎片化和无处不在的AI几乎是缔造创新的两个最大的机会。在芯片领域,它袭卷了半导体上下游,当然....
的头像 电子发烧友网 发表于 01-15 17:09 765次 阅读
物联网和AI新格局的塑造,从半导体上游开始

腾讯启动碳中和规划,用AI与大数据助力实现0碳排放

冰川消融、海平面上升、极端天气事件……气候变暖带来的一系列问题,正影响我们每一个人的生活。 减少碳排....
的头像 电网智囊团 发表于 01-15 16:58 602次 阅读
腾讯启动碳中和规划,用AI与大数据助力实现0碳排放

快讯:智能机器人在沈阳核酸检测中开展试验性应用

近日,在沈阳市面向市民的第三轮核酸检测过程中,“灵采”咽拭子采样机器人(以下简称“灵采”机器人)进行....
的头像 机器人大讲堂 发表于 01-15 16:38 363次 阅读
快讯:智能机器人在沈阳核酸检测中开展试验性应用

MedicTec大麦客首款纯人工智能手表守望者1问世 1月18日正式线上发售

港股上市公司汇彩控股旗下品牌MedicTec大麦客首款纯人工智能手表守望者1惊艳问世,1月18日正式....
的头像 Les 发表于 01-15 15:32 281次 阅读
MedicTec大麦客首款纯人工智能手表守望者1问世 1月18日正式线上发售

Cradlewise开发内置显示器的AI智能婴儿床

据engadget报道,对于新父母来说,世界上没有什么比睡觉更有价值了。为了帮助解决这个问题,Cra....
的头像 如意 发表于 01-15 14:44 150次 阅读
Cradlewise开发内置显示器的AI智能婴儿床

开放智能:聚焦边缘端部署痛点,推出边缘AI推理框架Tengine

Tengine要做AIoT时代的Android随着越来越多的物联网终端设备在各个行业加速部署,边缘计....
的头像 我快闭嘴 发表于 01-15 14:05 304次 阅读
开放智能:聚焦边缘端部署痛点,推出边缘AI推理框架Tengine

AI芯片企业燧原科技成融资 “专业户”,究竟有何魅力?

2021 年第二个工作日,总部位于上海的一家中国人工智能芯片企业发布了 C 轮 18 亿元融资喜讯。....
的头像 我快闭嘴 发表于 01-15 14:01 310次 阅读
AI芯片企业燧原科技成融资 “专业户”,究竟有何魅力?

百度正式发布2021年十大科技趋势预测

1月15日,百度研究院正式发布2021年十大科技趋势预测,智能技术将不断渗透到千行万业以及我们的生活....
的头像 lhl545545 发表于 01-15 11:35 223次 阅读
百度正式发布2021年十大科技趋势预测

蜂拥而上必有泡沫 AI独角兽抱团IPO之路不好走

本文基于公开资料撰写,仅作为信息交流之用,不构成任何投资建议。 2020年尾声,一众AI独角兽集体冲....
的头像 Les 发表于 01-15 11:33 308次 阅读
蜂拥而上必有泡沫 AI独角兽抱团IPO之路不好走

这个AI找狗工具识别准确率高达95%

美国政府的一项调查显示,7%的走失狗再也找不回来了。现在美国一家名为Shadow的初创公司正试图利用....
的头像 如意 发表于 01-15 11:21 424次 阅读
这个AI找狗工具识别准确率高达95%

AI驱动的自动化平台的四大关键要素

COVID-19 带来的挑战倒逼全球几乎每一个行业都在加速其数字化转型,企业越来越需要直面混合云环境....
的头像 电子魔法师 发表于 01-15 10:58 166次 阅读
AI驱动的自动化平台的四大关键要素

AI+医疗迈进医疗产业“深水区”

智能经济时代,生命健康领域、医疗行业频频吸引互联网科技企业的焦点,“互联网+”、“AI+”等新模式、....
的头像 Les 发表于 01-15 10:49 462次 阅读
AI+医疗迈进医疗产业“深水区”

新三板AI企业超音速:宁德时代上游供应商

在股市近期的新能源热潮中,宁德时代(SZ:300750)是当之无愧的锂电龙头,可以算是锂电茅台。 宁....
的头像 Les 发表于 01-15 10:37 394次 阅读
新三板AI企业超音速:宁德时代上游供应商

AI医疗痛点分析,AI+医疗的未来走向

因疫情的影响,AI技术在新药研发、辅助诊断等领域的突出作用受到广泛关注,AI医疗的前景愈发受到期待。
发表于 01-15 09:56 158次 阅读
AI医疗痛点分析,AI+医疗的未来走向

小米手机部总裁谈AI智能场景优化:工程师正逐步适配更多的应用场景

1月14日消息,小米集团副总裁、手机部总裁曾学忠昨天发文谈AI智能场景优化。 曾学忠称在使用手机的过....
的头像 Les 发表于 01-15 09:48 401次 阅读
小米手机部总裁谈AI智能场景优化:工程师正逐步适配更多的应用场景

AI时代的追星逐浪,中国科技的奋发自强

最近,互联网公司的技术责任与时代使命一下成为社会热议的话题。而在争议的另一面,则是很多互联网公司并没....
的头像 电子魔法师 发表于 01-15 09:48 634次 阅读
AI时代的追星逐浪,中国科技的奋发自强

行业加速转型,自动驾驶技术成焦点

受疫情影响,有着半个世纪历史的国际消费类电子产品展览会(以下简称CES)首次以线上形式举办。尽管主办....
的头像 电子魔法师 发表于 01-15 09:36 265次 阅读
行业加速转型,自动驾驶技术成焦点

AI制药迎来发展期

2020年12月,字节跳动向AI制药人才伸出了橄榄枝;9月,腾讯推出首个AI驱动药物研发平台“云深智....
的头像 电子魔法师 发表于 01-15 09:18 432次 阅读
AI制药迎来发展期

AI教育机器人或将成为下一个千亿级市场

随着二胎时代到来,儿童数量激增,但是儿童健康成长教育问题尚需解决。据了解,中国患有自闭症问题儿童人数....
的头像 电子魔法师 发表于 01-15 09:18 326次 阅读
AI教育机器人或将成为下一个千亿级市场

RTC的结构框图分享

STM32 的实时时钟( RTC)是一个独立的定时器。 STM32 的 RTC 模块拥有一组连续计数的计数器,在相应软件配置下,可...
发表于 01-14 17:20 0次 阅读
RTC的结构框图分享

芯盾时代入选2020爱分析人工智能厂商全景报告

12月19日,爱分析正式发布《2020爱分析·人工智能厂商全景报告》,报告根据调研,遴选出在金融、消....
的头像 芯盾时代 发表于 01-14 16:56 328次 阅读
芯盾时代入选2020爱分析人工智能厂商全景报告

日本 NEC 宣布开发智能视觉内镜:基于 AI 技术医疗设备软件

近日,日本跨国IT和电子公司 NEC 宣布开发智能视觉内镜。这是一款基于 AI 技术的、用于结肠镜检....
的头像 工程师邓生 发表于 01-14 15:43 618次 阅读
日本 NEC 宣布开发智能视觉内镜:基于 AI 技术医疗设备软件

医疗AI为代表的医疗器械将面临更加严格的审批考验?

  《医疗器械监督管理条例(修订草案)》是《国务院2020年立法工作计划》中明确的立法项目之一,由市....
的头像 IoT科技评论 发表于 01-14 15:20 533次 阅读
医疗AI为代表的医疗器械将面临更加严格的审批考验?

字节跳动的一颗“医疗心”

  有算法与流量入口的加持,大概率不能成为字节“后发制人”的法宝。   字节跳动招人了。 据《晚点 ....
的头像 IoT科技评论 发表于 01-14 15:14 3137次 阅读
字节跳动的一颗“医疗心”

2020年披露融资破千亿 16家企业获得总金额超过10亿

岁末年初,多家半导体大厂发布涨价通知函,带来的直接利好是半导体厂商业绩提升。作为最高精尖科技的代表性....
的头像 21克888 发表于 01-14 15:12 673次 阅读
2020年披露融资破千亿 16家企业获得总金额超过10亿

医生在医学影像AI研发中需扮演什么样的角色?

  作为一个很好的伙伴,医生要了解研究的框架和思路,跟随研究的进度,能学习、有知识和更新,可以对研究....
的头像 IoT科技评论 发表于 01-14 15:12 216次 阅读
医生在医学影像AI研发中需扮演什么样的角色?

文远知行完成B2/B3轮融资,C轮融资已启动

L4级自动驾驶出行公司文远知行WeRide宣布完成B2、B3两轮融资,B轮总融资金额达3.1亿美元。....
的头像 我快闭嘴 发表于 01-14 15:06 350次 阅读
文远知行完成B2/B3轮融资,C轮融资已启动

国内AI医疗行业头部企业科亚医疗实现从B到D的多轮跨越

一年内,科亚医疗实现了从B轮到D轮的多轮跨越。 近日,国内AI医疗行业头部企业「科亚医疗」(北京科亚....
的头像 IoT科技评论 发表于 01-14 15:06 441次 阅读
国内AI医疗行业头部企业科亚医疗实现从B到D的多轮跨越

第三届中国行业发展高峰论坛在上海举行

    “第三届中国行业发展高峰论坛”在上海交通大学安泰经济与管理学院成功举行,多位与会嘉宾对中国产....
的头像 中欧商业评论 发表于 01-14 14:33 577次 阅读
第三届中国行业发展高峰论坛在上海举行

工信部推工业互联网发展 计划打造30个5G全连接工厂

工信部推工业互联网发展 计划打造30个5G全连接工厂 工业互联网正在赋能千行百业的数字化转型,推动我....
的头像 Les 发表于 01-14 14:14 471次 阅读
工信部推工业互联网发展 计划打造30个5G全连接工厂

基于AI的ECNS技术,能够让语音通话摆脱周围环境影响

游戏中与队友的语音通话遇到杂音干扰,电话会议被邻居家的装修声打断,这些司空见惯的通话场景,应该如何应....
的头像 Qualcomm中国 发表于 01-14 11:53 346次 阅读
基于AI的ECNS技术,能够让语音通话摆脱周围环境影响

国内AI医疗赛道首家上市公司或将诞生

据证监会官网消息,推想医疗科技股份有限公司(下称“推想医疗”)拟前往科创板上市,中信建投证券已于20....
的头像 我快闭嘴 发表于 01-14 11:16 258次 阅读
国内AI医疗赛道首家上市公司或将诞生

据爆料,阿里巴巴人工智能实验室(AI Labs)基本关闭

近日,据职场社交平台脉脉用户爆料,阿里巴巴人工智能实验室(AI Labs)基本关闭,阿里官网和达摩院....
的头像 Les 发表于 01-14 11:03 533次 阅读
据爆料,阿里巴巴人工智能实验室(AI Labs)基本关闭

AI改变了医疗领域的供给端及传统医疗机构的运作方式

人工智能(AI)作为新一代创新技术,改变了医疗领域的供给端及传统医疗机构的运作方式,使医疗变得更加高....
发表于 01-14 10:55 346次 阅读
AI改变了医疗领域的供给端及传统医疗机构的运作方式

具有“同理心”的机器人被开发出来

同理心是人类的一种特殊心理状态,是设身处地地对他人的情绪和情感的认知性的觉知、把握与理解,也是指人们....
的头像 Les 发表于 01-14 10:44 154次 阅读
具有“同理心”的机器人被开发出来

AI三巨头争霸,“第一股”花落谁家?

2006年,高中还没毕业的印奇被清华大学相中,入选该校计算机科学实验班。该班由世界著名计算机科学家姚....
的头像 我快闭嘴 发表于 01-14 10:25 422次 阅读
AI三巨头争霸,“第一股”花落谁家?

“AI四小龙”之一旷视科技冲击科创板

1月12日,中国证券监督管理委员会网站信息披露显示,旷视科技已于2020年9月签署《旷视科技与中信证....
的头像 我快闭嘴 发表于 01-14 10:18 441次 阅读
“AI四小龙”之一旷视科技冲击科创板

从边缘到云的最佳人工智能推断

AI模型库新增 28个模型,包括可用于激光雷达 3D 点云的检测及分割模型、可用于新冠肺炎、内窥镜等....
的头像 FPGA开发圈 发表于 01-14 10:15 393次 阅读
从边缘到云的最佳人工智能推断

浅谈小米11背后蕴含的前沿AI技术

1月13日消息,小米全新数字旗舰小米11已于1月1日正式开售,在开售前,小米CEO雷军表示,2021....
的头像 lhl545545 发表于 01-14 10:06 426次 阅读
浅谈小米11背后蕴含的前沿AI技术

基于图像且以机器学习推断为特性的癌症诊断支持解决方案

广岛大学纳米元件与生物融合科学研究所副教授Tetsushi Koide对此表示,“为判断是否有癌症发....
的头像 FPGA开发圈 发表于 01-14 10:03 147次 阅读
基于图像且以机器学习推断为特性的癌症诊断支持解决方案

中富通以现金方式收购英博达64%股权,布局AI边缘计算

集微网消息,1月13日晚间,中富通公告称,公司于2021年1月11日与深圳英博达智能科技有限公司(下....
的头像 Les 发表于 01-14 09:16 270次 阅读
中富通以现金方式收购英博达64%股权,布局AI边缘计算

如何确保人工智能为我们的利益服务

对于超级人工智能的出现,我们是期待的,因为它的出现意味着不少工作可以以高效率的方式来完成。可是,作为....
的头像 电子魔法师 发表于 01-14 09:15 152次 阅读
如何确保人工智能为我们的利益服务

聚焦虚拟 AI /机器人:盘点CES 2021 上代表性的虚拟 AI 和机器人

全数字的 CES 2021 展会仅有 300 多家中国厂商参展,不少中国机器人公司缺席 总有硬件厂商....
的头像 工程师邓生 发表于 01-14 09:14 866次 阅读
聚焦虚拟 AI /机器人:盘点CES 2021 上代表性的虚拟 AI 和机器人

Ambarella最新推出高性能AI视觉处理器CV5

2021年1月11日,美国加利福尼亚州圣克拉拉市 Ambarella(下称”安霸半导体”,纳斯达克代....
的头像 Les 发表于 01-13 17:29 558次 阅读
Ambarella最新推出高性能AI视觉处理器CV5

什么是RTC控制器的时钟源?

什么是RTC(实时时钟)控制器的时钟源? RTC是否在断电模式下运行? ...
发表于 01-06 07:30 0次 阅读
什么是RTC控制器的时钟源?

请问如何正确设计实时时钟RTC?

RTC(Real_Time Clock)为整个电子系统提供时间基准,MCU、MPU、CPU均离不开RTC电路设计,在设计RTC单元时应...
发表于 12-22 06:44 0次 阅读
请问如何正确设计实时时钟RTC?

Nu微™什么系列支持RTC控制器?

在Nu微™系列中,什么系列支持RTC(实时时钟)控制器? 它是否需要使用独立的权力来工作? ...
发表于 12-22 06:39 0次 阅读
Nu微™什么系列支持RTC控制器?

不需要RTC功能VBAT引脚能浮动吗?

如果不需要RTC功能,VBAT引脚能浮动吗?
发表于 12-15 06:42 0次 阅读
不需要RTC功能VBAT引脚能浮动吗?

RTC设计,第2部分:温度补偿至关重要

如本系列第1部分所述,温度波动是晶体频率漂移的最重要原因。系统工程师可以考虑几种方法来缓解此问题。 带有校准寄存器的RTC...
发表于 12-11 15:16 404次 阅读
RTC设计,第2部分:温度补偿至关重要

RTC设计,第1部分:实时时钟在自动化,物联网应用中仍然很重要

实时时钟(RTC)从来都不是系统中引人注目的组件。确实,许多工程师不理解为什么需要RTC。他们可能认为这是一个非常简单的...
发表于 12-11 15:15 404次 阅读
RTC设计,第1部分:实时时钟在自动化,物联网应用中仍然很重要

请问如何在NUC505系列中使用RTC功能?

如何在NUC505系列中使用RTC功能?
发表于 12-02 06:14 0次 阅读
请问如何在NUC505系列中使用RTC功能?

WIFI-IoT开发板RTC时钟模块功能实现

1.1 RTC时钟模块硬件准备                     &nb...
发表于 11-27 16:33 202次 阅读
WIFI-IoT开发板RTC时钟模块功能实现

请问实时时钟RTC如何新建工程?

实时时钟RTC如何新建工程
发表于 11-23 06:12 0次 阅读
请问实时时钟RTC如何新建工程?