檢索結果：共2筆資料 檢索策略： "黃琴雅".ccommittee (精準) and cadvisor.raw="陳郁堂"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
隨著生成對抗網絡(GAN) [1]的快速發展，獲得高質量的圖像合成並不容易。這是因為生成器的圖像質量在訓練到一定程度後無法進一步提高，同時判別器陷入過度擬合，無法很好地區分真假圖像。GAN架構和訓練…
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…