檢索結果:共8筆資料 檢索策略: "物件偵測".ckeyword (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
在動態場景中,往往無法準確地建立前景與背景的模型,而造成物體偵測工作的失敗。本研究欲探討如何在一移動車輛中,也能對週遭車流量進行計數工作。我們利用Gestalt心理學中視覺組織之法則,包含:鄰近法則…
2
隨著汽車科技的發展,車禍的預防越來越受到重視。近年來,越來越多團體開始收集和分析車禍資料。在所有的行車資訊當中,最容易取得的便是那些被大量上傳到YouTube上的行車紀錄影片。然而,YouTube上…
3
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…
4
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…
5
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…
6
由於近年來自駕車等引人注目的應用,從行車紀錄器影片生成3D車輛軌跡成為被關注的議題。為了提前預防車禍,我們必須首先了解車禍的主要原因以及基於這些三維車輛軌跡容易發生車禍的駕駛模式。在本文中,我們提出…
7
在本論文中,我們提出一種新穎的架構,此架構同時運用光學雷達 (LIDAR) 、彩色照相機產生之 RGB-D 圖像以及應用快速深度完成演算法的前視圖 (FV) 以及鳥瞰視圖 (BEV) 三種不同的視圖…
8
本論文基於卷積神經網路(CNN),提出了一個簡單又有效的即時多目標追蹤方法。我們所提出的方法整合了主要包含四個部分:基於CNN的YOLOv3物件偵測器、基於CNN的Re3追蹤、餘弦相似度網路和匈牙利…