簡易檢索 / 檢索結果

  • 檢索結果:共3筆資料 檢索策略: "資訊工程系".dept (精準) and ckeyword.raw="少樣本學習"


  • 在搜尋的結果範圍內查詢: 搜尋 展開檢索結果的年代分布圖

  • 個人化服務

    我的檢索策略

  • 排序:

      
  • 已勾選0筆資料


      本頁全選

    1

    類 Dropout 的模型擴增方法於給定象牙塔經驗之跨領域少樣本學習
    • /108/ 碩士
    • 研究生: 塗沛宬 指導教授: 鮑興國
    • 近幾年來,僅利用少量標籤資料來訓練模型並分類新類別已備受廣大注意,此類的任務稱為少樣本分類學習。雖然在此領域中已有重大的進展,但多數現行少樣本分類學習之方法以目標與來源資料來自相同的分布為前提。因此…
    • 點閱:225下載:1

    2

    域快速自適應之人臉偽造辨識模型
    • /110/ 碩士
    • 研究生: 林君達 指導教授: 花凱龍
    • 雖然現有的人臉反欺騙(FAS)或深度造假(Deepfake)檢測方法在性能方面是有效的,但它們通常使用大量的參數,因此十分耗費硬體資源,不適合手持設備。除此之外,他們花了很多時間訓練因為他們以普通監…
    • 點閱:191下載:0
    • 全文公開日期 2027/01/26 (校內網路)
    • 全文公開日期 2027/01/26 (校外網路)
    • 全文公開日期 2027/01/26 (國家圖書館:臺灣博碩士論文系統)

    3

    當前任務變分自動編碼器結合動態集成損失函數之少樣本學習
    • /109/ 碩士
    • 研究生: 蘇皓群 指導教授: 陳怡伶
    • 少樣本學習是一項具有挑戰性的任務,其中分類器需要快速適應新類別。這些新類別是在訓練階段是模型沒有見過的,並且在測試階段為每個新類別的學習過程只提供很少的樣本(例如,五個圖像)。當現有的方法使用如此少…
    • 點閱:282下載:2
    1