檢索結果:共21筆資料 檢索策略: "Jenq-shiou Leu".ecommittee (精準) and cadvisor.raw="陳郁堂"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在本論文中,我們使用三種資訊去進行車輛的偵測,第一個是利用彩色相 機的RGB圖像並且結合深度和高度資訊得到的RGB-D資料,第二個利用光學 雷達(LIDAR)資料產生的鳥瞰圖,第三個也是利用光學雷達…
2
軌跡解析在使用來自互聯網的事故視頻重建自動駕駛模擬的極端情況方面發揮著至關重要的作用。然而,實現高保真度的準確軌跡解析面臨著一些挑戰,包括自我運動、深度信息、對象檢測、車道分割、RoL 選擇、距離估…
3
在本文中,我們研究了一種特徵共享方法,用於加速自動駕駛汽車的視頻對象檢測,同時在一定程度上保持檢測精度。與靜止圖像中的物體檢測的一般數據集不同,自動駕駛汽車數據集具有高比例的具有嚴重遮擋和運動的中小…
4
對於醫學圖像分割的領域自適應已成為一個重要的研究問題,因為訓練和測試圖像通常由不同種類的機器生成,例如 MRI 或 CT 或具有不同規格的同類型機器。 領域自適應的一種有效方法是傅里葉領域自適應,它…
5
基於視頻的行人再識別 (Re-ID) 是基於圖像的擴展版本,它可以跨多個連續幀在時間上提取行人特徵。 這項工作因其在視頻監控分析中的重要性而受到越來越多的關注。 Person Re-ID 的關鍵挑戰…
6
本文介紹了一種使用學習車輛 (LAV) 系統進行自動駕駛的新方法,利用鳥瞰圖 (BEV) 圖像作為感知的主要來源,並根據信息訓練周圍車輛以生成其運動預測,使它們能夠預測並對附近車輛的潛在動作做出反應…
7
Openpilot是一個被Consumer Reports於2020年認可的領先高級駕駛輔助系統(ADAS),其依賴於超級綜合神經網絡(Supercombo neural network)來從前視攝…
8
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…
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…
10
為了以深度學習方法實現先進駕駛輔助系統(ADAS),本論文提出了一種基於自我注意力機制的架構,此方法能夠偵測行車記錄器影片中的車禍發生時間。該方法首先透過 faster R-CNN 偵測並提取影片中…