檢索結果：共12筆資料 檢索策略： "電子工程系".dept (精準) and ckeyword.raw="物件偵測"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
隨著汽車科技的發展，車禍的預防越來越受到重視。近年來，越來越多團體開始收集和分析車禍資料。在所有的行車資訊當中，最容易取得的便是那些被大量上傳到YouTube上的行車紀錄影片。然而，YouTube上…
2
本篇研究論文提出了一種基於邊緣運算進行深度學習之物件偵測實現在低成本的物聯網裝置之方法。由於低成本物聯網裝置硬體上運算的限制，要運行訓練好的神經網絡模型將是一項挑戰，因此本篇研究論文利用Intel旗…
3
由於近年來自駕車等引人注目的應用，從行車紀錄器影片生成3D車輛軌跡成為被關注的議題。為了提前預防車禍，我們必須首先了解車禍的主要原因以及基於這些三維車輛軌跡容易發生車禍的駕駛模式。在本文中，我們提出…
4
對影像監控系統來說，偵測移動物體是相當重要的步驟，在移動物體偵測的方法中，主要有兩種方法，其中一種就是背景相減法。這個方法必須要針對影像中的每一個幅影像產生正確的背景影像，但是在許多以背景相減法為基…
5
物聯網與人工智慧的結合引領新的風潮，將“智慧城市”的概念從理想變成現實。 其中影像監控在智慧城市中是十分重要的應用，通常是採用雲運算的方式實現，然而雲運算是基於集中式框架會將收集到的資料集中到雲端處…
6
物件偵測被廣泛應用在監控、自駕車等應用中。近年來，基於深度學習的物件偵測方法展現出優秀的性能。然而基於深度學習的物件偵測方法往往需要大量的運算資源和記憶體頻寬，因此只能部屬在有高性能圖形處理器的電腦…
7
在深度學習和計算機視覺的領域中，物件偵測和影像復原是充滿挑戰性的任務。物件偵測在自動駕駛、醫療、監控等領域取得了廣泛應用。近年來，隨著硬體技術的突破，基於深度學習的物件偵測性能取得了很大的進展。然而…
8
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…
9
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…
10
自動駕駛領域的技術與日俱進，將多感測器及深度學習應用於車輛上，解決了過往許多在自動駕駛系統上遭遇的問題，而相關技術的研究也大大改善交通安全及效率，也為大眾帶來更便利的行車服務。因此本篇論文深入探討多…