檢索結果:共8筆資料 檢索策略: "Ming-bo Lin".ecommittee (精準) and year="111"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
儘管Openpilot在現實世界中成功部署並支援超過250種汽車型號,但它在某些情況下面臨挑戰,如準確檢測自行車和行人、在彎曲道路上執行高速機動以及應對突然變道。此外,它在夜間條件下難以檢測到前車。…
2
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…
3
隨著物聯網(Internet of Things, IoT)技術的快速發展,連接設備與裝置的數量驚人地增加,從家電到微型感測器等等,這對於物聯網設備間的安全通訊提出了嚴峻挑戰。在這個網絡環境…
4
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…
5
物聯網的快速發展使得資料交換和通訊需求大量提升,同時資料安全和隱私保護的需求也提升。具有高效和安全特性的AES-GCM被廣泛應用於資料加密和認證中,然而在物聯網中的邊緣計算或是嵌入式系統裝置之硬體資…
6
三維點雲 (3D Point Cloud) 提供了精確的空間與深度資訊,使其在基於深度學習的視覺任務中發揮關鍵的作用,因此點雲資料對於其深度學習 (Deep Learning) 的應用變得越來越重要…
7
近年來,卷積神經網路 (Convolutional Neural Networks) 在各種應用上表現出色,為了實現巨量且複雜的卷積運算於便攜式邊緣裝置上,設計針對卷積神經網路特殊運算的硬體架構已經…
8
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…