檢索結果:共9筆資料 檢索策略: "Generative Adversarial Networks".ekeyword (精準) and cdept.raw="電子工程系"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
傳統的語音增強技術常運用在頻譜分析或者更高層級特徵,能解決噪音問題到相當 程度。由於深層網路對於學習複雜函數的優異性,越來越多的神經網路模型被使用在相 關的領域。在本文中,我們提出了基於條件對抗神經…
2
深度重建是理解影像中物體與場景之間幾何關係的重要關鍵,其能夠提供除了平面 資訊 外更為立體的環境要素。而近年來已經提出許多深度學習在深度預測 的應用,然而在室內場景的單眼影像深度預測中,模型…
3
隨著生成對抗網絡(GAN) [1]的快速發展,獲得高質量的圖像合成並不容易。這是因為生成器的圖像質量在訓練到一定程度後無法進一步提高,同時判別器陷入過度擬合,無法很好地區分真假圖像。GAN架構和訓練…
4
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…
5
在深度學習的領域中,收集資料集往往都是最耗費資源的,所以為了增加類似真實世界的視頻,我們使用語意分割來訓練一個模型將輸入的視頻轉換成真實視頻,以產生所需之資料集。在本論文中我們提出了一種提升視頻生成…
6
電路耦合效應是電路實體設計中的重要問題之一,此問題通常是在繞線階段後,產生的線段資訊來做運算與分析,傳統演算法在求解的過程中會根據問題的不同而造成不同的運算複雜度。為了解決此議題,本文提出了一種用來…
7
真實世界場景的亮度範圍屬於高動態範圍 (HDR)。然而,由於硬體上的限制,大部分的數位相機只能擷取到有限的亮度範圍,這會導致拍攝出低動態範圍 (LDR)的影像。因為人眼可以捕捉到相當廣的亮度範圍,所…
8
水下影像增強和還原給圖像處理領域帶來了巨大的挑戰。當光線穿透水時,由於水深和固體顆粒的影響,而產生散射和吸收效應,導致影像可能產生模糊、霧霾和顏色失真,尤其是藍色和綠色色調。這些要素將顯著的左右人類…
9
水下影像還原及增強在影像處理領域中是相當具有挑戰性的,光波在進入水中後容易受到吸收及散射影響,成像容易呈現不同程度的模糊、霧化、淡藍色及淡綠色,進而對水下機器人及人類視覺品質產生影響。現今有越來越多…