檢索結果:共5筆資料 檢索策略: "陳郁堂".cadvisor (精準) and ckeyword.raw="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
近年來最具代表性的物件檢測方法是faster RCNN和YOLO,這些基於傳統監督學習的方法通常依賴於完全標註的資料集,並且假設訓練和測試資料取自同一個分佈。當測試資料來自不同分佈時,使用監督學習的…
2
為了能讓雙目影像深度估測網路對不同數據集有更好的適應性,本論文提出了一種含有域適應Domain adaptation的深度估測網路,此方法不僅能適應不同數據集間環境的差異,更能接受不同數據集間雙目相…
3
在深度學習的領域中,收集資料集往往都是最耗費資源的,所以為了增加類似真實世界的視頻,我們使用語意分割來訓練一個模型將輸入的視頻轉換成真實視頻,以產生所需之資料集。在本論文中我們提出了一種提升視頻生成…
4
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…
5
擁有辨識道路上異常情況能力的交通事故偵測,由於先進駕駛輔助系統(ADAS)、視頻監控、交通分析等廣泛的應用而越來越受到重視。本論文提出了一種新型的交通事故偵測架構用於行車記錄器視頻,該方法首先利用時…