檢索結果:共4筆資料 檢索策略: ckeyword.raw="多標籤分類"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
本論文之目的在於使用多標籤多分類的框架來實現多物件追蹤。為達上述之目的,使用不具深度值的羅技C615 RGB相機拍攝實驗用之資料集,經預處理後製成訓練資料集,將其轉換為張量形式作為神經網路的輸入,並…
2
由於近年來網路技術的蓬勃發展,產生了一些擁有巨量資料量的資料集。這些資料集包含著成千上萬的資料點、特徵以及標籤,因此傳統的分類演算法並不能在可接受的時間內處理這些資料集。極大多標籤分類演算法就是被設…
3
對比式學習(contrastive learning)是一種表示學習方法,其訓練目標是提升參考樣本與正負樣本之間的相似度的對比,以達到參考樣本與正樣本之相似度最大化、而與負樣本之相似度最小化。以此目…
4
在現實世界的應用中經常遇到具有分佈不均且標籤不全的半監督式分類問題。正面資訊不充分、完全不存在負面資訊及缺失標籤的分佈不均導致多標籤分類結果的準確性降低。在本文中,我們提出半監督式之不完備訓練標籤恢…