檢索結果:共9筆資料 檢索策略: ckeyword.raw="卷積神經網路" and ckeyword.raw="卷積神經網路" and ckeyword.raw="物件偵測"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
近年來隨著科技進步,人工智慧的影像辨識技術已發展相當成熟,並已廣泛運用於各項產業,建築資訊模型(Building Information Model, BIM)的建構與應用近年來已成為營建產業實務上…
2
本論文之目的在於使用多標籤多分類的框架來實現多物件追蹤。為達上述之目的,使用不具深度值的羅技C615 RGB相機拍攝實驗用之資料集,經預處理後製成訓練資料集,將其轉換為張量形式作為神經網路的輸入,並…
3
在感測器數量有限的前提下,本研究提出一種使用視覺感測器,以物件偵 測技術 YOLO v3 完成實體的阿克曼自動停車系統,初步探討利用微型單板電腦 Raspberry Pi 4B 整合等多項系統讓自走…
4
在深度學習和計算機視覺的領域中,物件偵測和影像復原是充滿挑戰性的任務。物件偵測在自動駕駛、醫療、監控等領域取得了廣泛應用。近年來,隨著硬體技術的突破,基於深度學習的物件偵測性能取得了很大的進展。然而…
5
物件偵測被廣泛應用在監控、自駕車等應用中。近年來,基於深度學習的物件偵測方法展現出優秀的性能。然而基於深度學習的物件偵測方法往往需要大量的運算資源和記憶體頻寬,因此只能部屬在有高性能圖形處理器的電腦…
6
近年來最具代表性的物件檢測方法是faster RCNN和YOLO,這些基於傳統監督學習的方法通常依賴於完全標註的資料集,並且假設訓練和測試資料取自同一個分佈。當測試資料來自不同分佈時,使用監督學習的…
7
Android系統是一個以Linux為基礎的半開放原始碼作業系統,主要用於行動端設備,屬於開發性系統,自由度高,機體相容性廣泛,提供完善的開發環境,支援各種先進的繪圖、網路、相機等處理能力,近年來市…
8
物件偵測和影像復原在深度學習和計算機視覺領域中是一項具挑戰性的任務,物件偵測現今被廣泛應用於自動駕駛、醫療、監控等應用中。近年來隨著硬體技術突破,使基於深度學習的物件偵測性能得到重大的突破,然…
9
在傳統未加入領域自適應的監督式學習中,需要仰賴大量的標記數據集來進行訓練,但是標記圖像必須花費許多的人力和時間,且監督學習模型在測試來自不同分佈的圖像時效果也並不理想。為了實現跨越各種場景的物件偵測…