檢索結果:共3筆資料 檢索策略: cdept.raw="電子工程系" and ckeyword.raw="非監督式學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
為了能讓雙目影像深度估測網路對不同數據集有更好的適應性,本論文提出了一種含有域適應Domain adaptation的深度估測網路,此方法不僅能適應不同數據集間環境的差異,更能接受不同數據集間雙目相…
2
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…
3
將訓練於來源域 (Source domain)的深度學習模型直接應用於目標域 (Target domain)會因為Domain shift problem導致其準確度顯著下降。無監督領域自適應(Un…