檢索結果：共21筆資料 檢索策略： "Generative Adversarial Network".ekeyword (精準) and ckeyword.raw="深度學習"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
我們提出透過三個子網路架構的生成對抗網路(Triple Component Generative Adversarial Nets, TC-GAN)進行姿態/年齡變數分離(Pose/Age Vari…
2
人臉情感辨識是電腦視覺領域的一個很重要的議題，有很多研究在情感辨識都有很傑出的表現，但如果來源(訓練)和目標(測試)數據集差異較大時，則會降低辨識的準確率，領域自適應的方法通常可以處理這個問題，然而…
3
鏈結洪泛攻擊(Link Flooding Attack, LFA)主要以目標區域內的多台伺服器作為目標，此攻擊會堵塞目標鏈結—目標區域與外部區域間的鏈結，因為利用低速且大量的流量來偽裝成正常流量，而…
4
生成對抗網路促進許多領域的發展，因為生成對抗網路可以透過對抗式的訓練讓網路學習到訓練資料的分布，並且生成與訓練資料分布類似的資料。基礎的生成對抗網路由兩個獨立的網路所組合的，生成網路是用來合成樣本，…
5
近年來手機處理器的大幅進展讓在移動裝置上使用深度學習網路更加有機會，也因此產生了許多以深度學習生成對抗網路為名的修圖應用。但要運行大型的生成對抗網路需要運算量對多數移動裝置而言仍然過於巨大。本篇論文…
6
時間序列分類是資料探勘與機器學習領域中相當地熱門且有難度的研究問題，且其於現實生活中的實務應用也非常廣泛。然而，相關的研究大多是用傳統演算法或以機器學習的分類法為主，應用深度學習方法的文獻數量相比下…
7
「圖像到圖像轉換」是一種將圖像從原始場景轉換至目標場景的下，並能夠保留原始圖像内容的技術。這些年來，由於該技術在電腦視覺、圖像分割、風格轉換等問題上的廣泛應用，引起越來越多的關注。而在自動駕駛場景中…
8
隨著近年來機器學習相關技術的發展，深度學習的概念已經成功被應用在不同領域上，當中包括了圖像辨識、物件偵測、自然語言處理，自動生成多媒體內容等，主要原理是透過大量的訓練資料讓深度網路模型學習到資料當中…
9
生成對抗網路使各個領域有突破性地發展，生成網路能夠透過學習訓練資料的分布進而直接生成出相似於訓練資料的分布，在風格轉換的領域上有著極大的推進作用。 本論文實作了一個可根據使用者輸入條件針對單張輸入影…
10
換臉是一種透過替換影像中的人臉，從而達到改變其身份的技術，可以被應用於電影、廣告、教育以及社群媒體產業上，進而節省影像拍攝的時間與資金、重現歷史人物或是提供沉浸式體驗。 本篇論文提出的基於風格生成對…