檢索結果：共3筆資料 檢索策略： "Style Transfer".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
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…
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…