檢索結果:共5筆資料 檢索策略: "陳郁堂".cadvisor (精準) and year="110"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
對於醫學圖像分割的領域自適應已成為一個重要的研究問題,因為訓練和測試圖像通常由不同種類的機器生成,例如 MRI 或 CT 或具有不同規格的同類型機器。 領域自適應的一種有效方法是傅里葉領域自適應,它…
2
本文研究利用雙相機鏡頭的深度預測,並加入語義及實例分割進行輔助。在單、雙鏡頭的深度預測研究中,利用捲積神經網路的深度學習預測深度已有不錯的表現。但是,卻無法在物件的邊緣及細節上有更佳的表現。因此本文…
3
影片分類是計算機視覺中的重要課題之一,例如駕駛員行為、人類動作和跌倒檢測。然而由於攝像機角度、光照、天氣等多種因素,影片分類仍然是一項艱鉅的任務。此外由於需要大量計算,邊緣設備的實施是另一個挑戰。在…
4
醫學圖像的語義分割可以幫助醫生進行診斷,而被引起了關注。為了提高物體邊緣和困難類別的預測準確性,在本論文中,我們考慮一種新的架構,它由兩部分組成:TransUNet 和表示網絡。 TransUNet…
5
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…