檢索結果：共12筆資料 檢索策略： "資訊工程系".dept (精準) and ckeyword.raw="深度卷積神經網路"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
音樂類型在音樂信息檢索領域具有特別重要的意義，近年來，許多研究藉由對音樂做各式各樣的特徵提取後，再使用機器學習的技術做訓練，結果在音樂類型的分類上獲得很大的成就，不過本文希望能夠跳過繁瑣的特徵提取過…
2
近年來，深度學習發展出許多有趣的應用，其中影片及圖片的合成引起了許多關注，透過合成模型可以合成出逼近真實的偽造影像，讓人們很難區分真假，如果不正當地使用合成技術將會帶來許多負面影響。結合深度學習的合…
3
在社交網路上，圖片是用戶表達情緒的重要方式之一。因為圖片的便捷性，越來越多的人會在社交網路上上傳圖片。在過去，情感分析大部分都聚焦在文本內容上，像是latent semantic analysis，…
4
深度學習（Deep Neural Network）是近年來的熱門話題因為它在許多不同的機器學習應用上優於很多技術。LeNet-5[2]是最有名的手寫識別深度學習模組之一。LeNet-5有7層包含輸入…
5
在過去深度圖像的去雜訊方法通常是針對雜訊種類套用特定模組來去除，而近年來在一般圖像的去雜訊上越來越多使用深度學習的方法，因此在此篇論文中我們嘗試使用深度學習，利用深度卷積神經網路針對深度圖像進行去雜…
6
在過去，人們通常使用皮膚特徵提取或上下文的關鍵詞，並組合多個過濾器來辨識令人反感的圖像。深度學習雖能提高辨識程度，卻相對需要大量訓練集及冗長的訓練時間。隨著硬體和新演算法的研究發展，這些問題逐漸得到…
7
使用深度學習，我們很容易地可以分辨圖片的正確性，由於房間室內場景的圖片每一種都很相似，所以需要大量的資料和時間來進行辨識，來提高準確率。因此我們使用遷移學習來改善我們的神經網路，從已經預先訓練好的模…
8
過去，我們使用傳統影像特徵，如:HOG或SIFT…等，來進行電腦視覺的學習與偵測。但隨著硬體的快速發展，過去需要訓練大量參數的卷積神經網路得以更加深化。在本文中，我們探討使用預訓練的深度卷積神經網路…
9
近年來的研究已經指出使用卷積神經網路(CNN)來進行圖片分類極為有效，這是因為卷積神經網路是依照資訊的結構性來進行訓練。也有一些研究[1]試著將卷積神經網路應用在非圖片資訊的使用上，想要知道在非圖片…
10
在過去不良圖片的辨識通常利用皮膚特徵或是圖片附註的關鍵字描述搭配多個過濾器進行過濾。深度學習通常都需要花費大量的時間來訓練，。隨著硬體的進步以及新的演算法不斷提出，訓練時間問題漸漸緩解。深度卷積神經…