檢索結果：共10筆資料 檢索策略： "郭景明".ccommittee (精準) and year="111"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
現今的科技日新月異，視訊監視系統的普及使得各種視訊監控影像被廣泛使用，然而路口監視器或是其他影像感測器常因為低品質的監視影像而無法有良好的應用效果，因此本論文將針對視訊監控影像的行人部分進行超解析度…
2
圖像散列是一種廣泛用於大規模圖像檢索任務的技術。散列過程旨在用有限長度的二進制代碼映射圖像，從而實現緊湊的儲存並有助於有效的語義檢索。無監督散列通常用於在沒有大量人工註釋數據的情況下訓練模型。在這方…
3
本研究提出了一種基於定位與自適應空間注意力機制蒸餾方法用於物件偵測任務上，通過教師與學生模型的訓練能有效提升學生網路的預測準確率，且不會在推理時增加額外計算需求，在不改變模型大小的前提下增加模型參數…
4
無監督域適應的目標是從一個相關但不同的有標籤源域數據轉移知識到一個新的無標籤目標域。大多數現有的無監督域適應方法需要訪問源數據，因此在數據因隱私問題而具有機密性且不可共享的情況下無法應用。本文旨在應…
5
語意分割是計算機視覺領域中的重要任務，旨在將圖像的每個像素進行逐點的類別預測，從而實現對圖像的精細分析。然而，傳統的語意分割方法需要大量的像素級別資料來訓練模型，這一過程耗時且耗費人力。為了減少標註…
6
Transformers have shown great achievement on dense prediction tasks thanks to the ability to extrac…
7
現今深度學習的研究愈趨成熟，必實際應用在了各種場域中，然而大多數的模型時所需要消耗大量的樣本，且這樣本都必須被人立正確標註，否則將會影響模型訓練後的正確判斷能力。以現今學術中最常見的影像分類領域中，…
8
隨著人工智慧深度學習的發展，有越來越多的資料量與種類，這些訓練集測試用的資料，在傳統訓練方式上需要大量地被標記，用來讓網路監督式學習產生我們想要他能辦到的事情，但並非所有資料都能被平衡且大量的取得，…
9
過往的語意分割任務中，深度神經網路遵循傳統的學習方法，通過大量且帶像素級別標籤標註的資料集引導模型進行學習，模型可以從中習得有助於理解和描述圖像的語意特徵，這些特徵涵蓋了圖像中的物體類別、區域以及上…
10
數字半色調是一種圖像轉換技術，可將灰度圖像轉換為相應的二值圖像，可用於打印。數字半色調研究領域具有廣泛的前景，包括水印、視覺加密、圖像質量評估、分類、逆半色調和圖像壓縮。本文提出了三個關鍵研究問題，…