檢索結果:共3筆資料 檢索策略: ckeyword.raw="卷積神經網路" and ckeyword.raw="領域自適應"
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
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…
3