开发者社区> 问答> 正文

RTC引用场景,深度学习有哪些有效较为通用的方法,可以结合传统技术,弥补传统技术缺陷?

RTC引用场景,深度学习有哪些有效较为通用的方法,可以结合传统技术,弥补传统技术缺陷?

展开
收起
OSC开源社区 2024-05-11 17:36:20 21 0
1 条回答
写回答
取消 提交回答
  • tc场景对数据的处理是实时的,而且需要在手机端处理,由于目前手机算力限制,不能做很复杂的模型。目前在rtc场景中,通用的模型以CNN和RNN为主。而且由于rtc场景下数据是以数据流形式进行推理,CNN不能使用普通的conv和transpose conv,需要使用casual conv和casual transpose conv,并且实现类似于RNN的流式推理方式。主流的开源离线推理框架都没有这种方式,还需要自己实现一套rtc场景的离线推理框架。比如传统NLP算法很难对残余回声精确建模,靠适配和调参费时费力,且很难达到很好的效果。而深度学习模型的强大的非线性学习能力正好可以弥补传统算法的缺点,但深度学习模型的稳定性不如传统算法,在面对与训练集差异较大的数据时,效果会大打折扣,所以在传统自适应滤波的基础上结合深度学习的NLP模型,弥补双方不足,可以较好的解决传统回声消除的非线性回声问题。

    2024-05-11 18:49:51
    赞同 1 展开评论 打赏
问答排行榜
最热
最新

相关电子书

更多
深度学习的最新进展 立即下载
搜狗深度学习技术在广告推荐领域的应用 立即下载
深度学习在电商搜索和聊天机器人中的应用 立即下载