檢索結果：共4筆資料 檢索策略： "花凱龍".ccommittee (精準) and ckeyword.raw="域適應"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
在本文中，我們提出了一種高效率的源感知域增強和適應（SDEA）方法，以提高基於卷積神經網絡（CNN）物件分割方法的準確性。首先，我們先找出源元素，例如落葉，人孔蓋，卷雲和廣告，這些元素通常會導致無效…
2
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…
3
訓練深度神經網絡進行語義分割依賴於像素級標籤進行監督。但是收集大型數據集 的像素集標籤是非常昂貴且耗時。一種解決方法是利用合成數據集，我們可以使用相應 的標籤生成數據。不幸的是在合成數據上訓練的網絡…
4
域適應通常用於解決計算機視覺領域中的域轉移問題。領域適應是具有挑戰性任務，同時對於時間序列數據，任務會變得更加複雜。考慮到數據的依賴性以及時間戳的關係，時間序列數據會更有複雜性。目前大多數方法基於適…