檢索結果：共8筆資料 檢索策略： "Jiann-Jone Chen".ecommittee (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
深度學習的通常都需要極大量的時間去訓練一個完整的模組在某個數據上。與目前跑深度學習非機密單位使用的最好的圖形處理器Telsa K40相比較，我們的速度大概慢了兩倍至三倍。而速度是可以取決在圖形處理器…
2
過去，我們使用傳統影像特徵，如:HOG或SIFT…等，來進行電腦視覺的學習與偵測。但隨著硬體的快速發展，過去需要訓練大量參數的卷積神經網路得以更加深化。在本文中，我們探討使用預訓練的深度卷積神經網路…
3
深度學習（Deep Neural Network）是近年來的熱門話題因為它在許多不同的機器學習應用上優於很多技術。LeNet-5[2]是最有名的手寫識別深度學習模組之一。LeNet-5有7層包含輸入…
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
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…
6
音樂類型在音樂信息檢索領域具有特別重要的意義，近年來，許多研究藉由對音樂做各式各樣的特徵提取後，再使用機器學習的技術做訓練，結果在音樂類型的分類上獲得很大的成就，不過本文希望能夠跳過繁瑣的特徵提取過…
7
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，…
8
近年來的研究已經指出使用卷積神經網路(CNN)來進行圖片分類極為有效，這是因為卷積神經網路是依照資訊的結構性來進行訓練。也有一些研究[1]試著將卷積神經網路應用在非圖片資訊的使用上，想要知道在非圖片…