檢索結果:共18筆資料 檢索策略: ckeyword.raw="對比學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
無監督領域自適應行人重識別(Unsupervised Domain Adaptation in Person Re-identification)是一項任務,其目的是將預訓練在有標註源域的模型推廣到…
2
基於視頻的行人再識別 (Re-ID) 是基於圖像的擴展版本,它可以跨多個連續幀在時間上提取行人特徵。 這項工作因其在視頻監控分析中的重要性而受到越來越多的關注。 Person Re-ID 的關鍵挑戰…
3
近年來,由於影像處理所需的複雜計算,電腦視覺服務在實時性方面面臨挑戰。隨著人工智慧物聯網(AIoT)技術的快速發展,結合邊緣計算與AIoT的攝影機 (本研究稱為邊緣攝影機),在應用領域上取得了顯著成…
4
本論文旨在運用色彩空間分群方法搭配多物件追蹤演算法實現即時的目標 追蹤移動機器人。首先由一般相機所提供的三通道彩色影像進行色彩空間的分群, 以此在任意單純背景下完成未知前景的影像分割。而後利用融合運…
5
由於傳統的腫瘤切割方式是相當費時費力的,發展一個有效的自動腫瘤分割模型是相當重要的。然而,過往大多數的模型都是採用全監督式的方法來訓練的,全監督式的方法需要大量的像素等級標註資料,而像素等級的標註資…
6
在過去,傳統監督學習高度依賴標記數據,這限制了其應用在各種不同種類的數據集。隨著自監督學習在計算機視覺領域取得了驚人的進展,它顯示了在不依賴標籤的情況下達到與監督學習相媲美的成果的潛力。近年來,這種…
7
自監督學習正在迅速地縮減監督式學習在資料短缺及充足的情況下的差距。這項成就歸功於對比學習方法近期的研究成果。然而,學者們仍探究著對比學習的弱點。首先,在實務上以實例判別任務為基礎的對比學習能夠輕易地…
8
無監督域適應的目標是從一個相關但不同的有標籤源域數據轉移知識到一個新的無標籤目標域。大多數現有的無監督域適應方法需要訪問源數據,因此在數據因隱私問題而具有機密性且不可共享的情況下無法應用。本文旨在應…
9
在推薦系統領域中,神經網絡的使用越來越普遍,在過去大部分的研究當中通常透過單一表徵來代表使用者的整體偏好,而在一些研究當中注意到使用者偏好可以被解釋為使用者的多方面的興趣,因此多興趣的概念在推薦系統…
10
由於模型結構複雜,深度學習方法通常在模型訓練和模型預測中引入較高的時間和空間複雜度。為了有效地將深度學習方法應用於輕量級設備,例如物聯網環境設備,模型壓縮到輕量級版本近年來引起了人們的關注。知識蒸餾…