檢索結果：共24筆資料 檢索策略： "Department of Computer Science and Information Engineering".edept (精準) and ekeyword.raw="CNN" and ekeyword.raw="CNN"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
本文提出的序列迴歸卷積網路（SRCN）模型包含兩部分：卷積神經網路（CNN），與長短期記憶（LSTM）模型。其中CNN能夠萃取動態人臉情感中的表情影像特徵或無線語音命令中梅爾頻譜圖的頻率特徵向量。將…
2
組裝在生產中將半成品製成成品的過程，通常經由機器及操作者完成。而在整條產線的最後，安排品質檢測及確保沒有異物在生產線上是必要的。然而，這項人工檢測的過程是非常容易犯錯，以及耗費時間的。因此，此篇研究…
3
Proteins are essential macromolecules for the structure and function of a cell. Interactions of pro…
4
為了能讓雙目影像深度估測網路對不同數據集有更好的適應性，本論文提出了一種含有域適應Domain adaptation的深度估測網路，此方法不僅能適應不同數據集間環境的差異，更能接受不同數據集間雙目相…
5
基于人體骨架的人類行為辨識在應用於人機互動和智能監控中具有廣泛的意義。由於近幾年類神經網路在圖片的辨識及物件偵測取得很好的效果， 然而，如何有效地使用卷積類神經網絡網路在影片識別的範疇中，仍然是個艱…
6
最近，基於3D重建學習方法越來越流行，與傳統多視圖重建算法不同，僅已單視圖重建3D圖像，更具有挑戰性。現行流行的表示方法大概可以分為3種: 基於點雲的表示、基於體素的表示以及網格的表示。在本文中，我…
7
人工智慧之深度學習技術已逐步應用於生產線上之產品瑕疵檢測，深度學習需使用大量影像訓練才有良好的辨識效果，然而在實際的產線中，瑕疵品相對良品的比例低很多，造成瑕疵品的訓練樣本數過少，導致深度學習的檢測…
8
本論文於DNA樣本分析領域中，針對使用原子力顯微鏡(Atomic Force Microscope)所獲取的DNA樣本數位影像為研究對象，以深度學習的技術發展出一個自動化辨識DNA交叉與非交叉樣本的…
9
近年來，卷積神經網絡（CNN）在計算機視覺領域中扮演了重要角色，包括圖像分類和物體檢測等任務。CNN 能夠從圖像中提取空間特徵，使其能夠高效地解決分類問題。在這些任務中，食物分類在各種應用中尤為重要…
10
在現今網站及臉部識別應用相當廣泛的時代下，透過臉部表情預測使用者對於網站的滿意度作為使用者經驗（UX）之數據，不僅可以透過客觀生理數據做為網站滿意度的評估依據，也可降低蒐集主觀數據之時間成本，來提升…