檢索結果:共16筆資料 檢索策略: "Department of Computer Science and Information Engineering".edept (精準) and ekeyword.raw="Semantic Segmentation"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
文件分割解析在語義分割技術是具有挑戰的任務之一,其原因為文件影像具備大量的圖片、表格、文字與背景等複雜的結構資訊,導致現今語義分割技術在處理複雜的文件結構影像上仍有改善及進步的空間。文件語義分割技術…
2
近年主流的語義分割模型包含了全域卷積網路(GCN)、空洞空間金字塔池化 (ASPP)、和自關注(self-attention)等模型;這些模型透過多尺度的特徵融合,將局 部特徵與全局相關特徵互相結合…
3
深度學習在影像語義分割任務上取得了顯著的進展,提高了預測的準確性和效率。 然而,當處理未見過的資料集或具有不同特徵的領域時,其表現可能會受到影響。 在這篇論文中,我們利用傅立葉風格轉換(FST)技術…
4
自監督式的單目深度預測的主流方法通常適用於白天的影像。然而,由於 可見度低、照明不均勻和照明不一致(如閃爍),這些方法對夜間拍攝的 影像不能夠很好的運作。我們提出了 LightSegDepth(LS…
5
語意分割任務對圖像提供逐點的類別預測,進而產生分析結果,以往的語義分割任務須要使用像素級別的分類標註進行網路訓練,學習各語意間不同的特徵,然而逐點標注相當耗時與耗人力,因此現今語意分割朝向減少標注來…
6
無監督域適應和語義分割的結合,幫助了人們不論是在生活上或是工作上解決了許多的困難。例如在街景影像中,此項技術可以將不同的物件自動地分割出來,以利機器進行分類及辨識。然而,無奈的是,現實存在一些問題會…
7
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…
8
單目深度估計是對單個 2D 圖像的深度訊息和場景幾何形狀進行推斷 的一項任務。該任務通常用於輔助其他任務,如自動駕駛汽車和同時定 位與地圖構建 (SLAM)。從單個圖像準確預測深度是一個挑戰,因為單…
9
醫學圖像的語義分割可以幫助醫生進行診斷,而被引起了關注。為了提高物體邊緣和困難類別的預測準確性,在本論文中,我們考慮一種新的架構,它由兩部分組成:TransUNet 和表示網絡。 TransUNet…
10
隨著物聯網邊緣計算概念的興起,大量具有邊緣運算能力之攝影機 (本研究稱之為邊緣攝影機) 已逐漸應用於廣域監控之串流影像即時處理。在廣域監控中,基於邊界框之多目標追蹤性能逐漸達到飽和,所以透過像素層級…