檢索結果:共6筆資料 檢索策略: "Deep Learning".ekeyword (精準) and ckeyword.raw="深度卷積神經網路"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在過去,人們通常使用皮膚特徵提取或上下文的關鍵詞,並組合多個過濾器來辨識令人反感的圖像。深度學習雖能提高辨識程度,卻相對需要大量訓練集及冗長的訓練時間。隨著硬體和新演算法的研究發展,這些問題逐漸得到…
2
臺灣在地理上坐落於因板塊運動而造成地震事件頻繁的環太平洋火山帶上,由於擁有大量的地震發生,分析並了解板塊的運動顯得格外重要。通常來說密度越高的地震測站監測網絡可以更詳細地提供感測到的信號,而且地震的…
3
在社交網路上,圖片是用戶表達情緒的重要方式之一。因為圖片的便捷性,越來越多的人會在社交網路上上傳圖片。在過去,情感分析大部分都聚焦在文本內容上,像是latent semantic analysis,…
4
在過去深度圖像的去雜訊方法通常是針對雜訊種類套用特定模組來去除,而近年來在一般圖像的去雜訊上越來越多使用深度學習的方法,因此在此篇論文中我們嘗試使用深度學習,利用深度卷積神經網路針對深度圖像進行去雜…
5
近年來,深度學習發展出許多有趣的應用,其中影片及圖片的合成引起了許多關注,透過合成模型可以合成出逼近真實的偽造影像,讓人們很難區分真假,如果不正當地使用合成技術將會帶來許多負面影響。結合深度學習的合…
6
使用深度學習,我們很容易地可以分辨圖片的正確性,由於房間室內場景的圖片每一種都很相似,所以需要大量的資料和時間來進行辨識,來提高準確率。因此我們使用遷移學習來改善我們的神經網路,從已經預先訓練好的模…