簡易檢索 / 檢索結果

  • 檢索結果:共3筆資料 檢索策略: "Ching-Hu Lu".ecommittee (精準) and cadvisor.raw="郭景明"


  • 在搜尋的結果範圍內查詢: 搜尋 展開檢索結果的年代分布圖

  • 個人化服務

    我的檢索策略

  • 排序:

      
  • 已勾選0筆資料


      本頁全選

    1

    最大池化和平均池化以及注意力機制消融的少樣本分類
    • 電機工程系 /111/ 碩士
    • 研究生: 陳鈺澔 指導教授: 郭景明
    • 現今深度學習的研究愈趨成熟,必實際應用在了各種場域中,然而大多數的模型時所需要消耗大量的樣本,且這樣本都必須被人立正確標註,否則將會影響模型訓練後的正確判斷能力。以現今學術中最常見的影像分類領域中,…
    • 點閱:251下載:0
    • 全文公開日期 2025/08/21 (校內網路)
    • 全文公開日期 2025/08/21 (校外網路)
    • 全文公開日期 2025/08/21 (國家圖書館:臺灣博碩士論文系統)

    2

    基於圖塊遮罩於稠密語意特徵對齊之少樣本語意分割
    • 電機工程系 /111/ 碩士
    • 研究生: 陳柏華 指導教授: 郭景明
    • 過往的語意分割任務中,深度神經網路遵循傳統的學習方法,通過大量且帶像素級別標籤標註的資料集引導模型進行學習,模型可以從中習得有助於理解和描述圖像的語意特徵,這些特徵涵蓋了圖像中的物體類別、區域以及上…
    • 點閱:271下載:0
    • 全文公開日期 2025/08/21 (校內網路)
    • 全文公開日期 2025/08/21 (校外網路)
    • 全文公開日期 2025/08/21 (國家圖書館:臺灣博碩士論文系統)

    3

    基於抑制及注意力模組結合線上資料增強之弱監督語意分割任務
    • 電機工程系 /111/ 碩士
    • 研究生: 曾立安 指導教授: 郭景明
    • 語意分割是計算機視覺領域中的重要任務,旨在將圖像的每個像素進行逐點的類別預測,從而實現對圖像的精細分析。然而,傳統的語意分割方法需要大量的像素級別資料來訓練模型,這一過程耗時且耗費人力。為了減少標註…
    • 點閱:398下載:0
    • 全文公開日期 2025/08/16 (校內網路)
    • 全文公開日期 2025/08/16 (校外網路)
    • 全文公開日期 2025/08/16 (國家圖書館:臺灣博碩士論文系統)
    1