檢索結果：共13筆資料 檢索策略： "Semantic Segmentation".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
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
本文研究利用雙相機鏡頭的深度預測，並加入語義及實例分割進行輔助。在單、雙鏡頭的深度預測研究中，利用捲積神經網路的深度學習預測深度已有不錯的表現。但是，卻無法在物件的邊緣及細節上有更佳的表現。因此本文…
3
醫學圖像的語義分割可以幫助醫生進行診斷，而被引起了關注。為了提高物體邊緣和困難類別的預測準確性，在本論文中，我們考慮一種新的架構，它由兩部分組成：TransUNet 和表示網絡。 TransUNet…
4
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…
5
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…
6
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…
7
本文研究了檢測自動駕駛汽車車道和道路標線的問題。 我們將此問題作為語義分割問題提出，這由深度學習方案解決。 自動駕駛汽車必須實時分析道路現場。 因此，我們的研究重點是用於語義分割的新神經網絡模型，它…
8
近年於自動駕駛與高級輔助駕駛系統領域中，各種功能研發與日俱增。然而在實際應用方面，結合多項功能對於車輛上記憶體及運算能力受限之計算裝置造成了不少負擔。因此，根據神經網路於駕駛景物理解方面，本論文的初…
9
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…
10
上頜竇是感染或發炎最常見的部位，可以透過枕骨透視方向之頭顱放射性影像（SXR）診斷。在開發電腦輔助診斷之前，需要先在上頜竇內進行區域分割。這項研究提出了一個電腦輔助檢測系統，從透過基於紋理的新形態分…