檢索結果:共6筆資料 檢索策略: "Semantic Segmentation".ekeyword (精準) and year="111"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
深度學習在影像語義分割任務上取得了顯著的進展,提高了預測的準確性和效率。 然而,當處理未見過的資料集或具有不同特徵的領域時,其表現可能會受到影響。 在這篇論文中,我們利用傅立葉風格轉換(FST)技術…
2
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…
3
無監督域適應和語義分割的結合,幫助了人們不論是在生活上或是工作上解決了許多的困難。例如在街景影像中,此項技術可以將不同的物件自動地分割出來,以利機器進行分類及辨識。然而,無奈的是,現實存在一些問題會…
4
在人機協作過程中,識別人體手部位置相當重要,因機具向人類運送物件或避免碰撞發生。本研究目的為操作人員處理生產任務時,在蒐集的資料當中準確定位出人體手部部位。透過 MediaPipe 或Detectr…
5
當一個新的傢俱物品要放入現有的環境中時,用戶通常沒有什麼依據的將物件隨意擺放,但是許多傢俱物品通常需要周圍有空間才能使用,而在用戶隨意擺放的情況下,很容易就造成空間不足的情況發生,或未來不易尋找的問…
6
語意分割是計算機視覺領域中的重要任務,旨在將圖像的每個像素進行逐點的類別預測,從而實現對圖像的精細分析。然而,傳統的語意分割方法需要大量的像素級別資料來訓練模型,這一過程耗時且耗費人力。為了減少標註…