檢索結果：共12筆資料 檢索策略： "semi-supervised learning".ekeyword (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
半監督式問題的出現源自於現實世界的資料集中，已分類的資料通常不容易取得，這種特性常見於文件型態的資料集。生成模性與貝式分類器的架構已經被證明出對文件類型的資料有很好的分類效果，還能夠藉由期望值最大化…
2
在以往的深度學習研究中，大部分的模型訓練需要仰賴大量且乾淨的資料集才能得到較好的效能；然而，一旦資料集中存有部分錯誤的標註資料，將可能嚴重影響到模型的準確率。以影像分類任務為例，一般的深度學習方法是…
3
在現實世界的應用中經常遇到具有分佈不均且標籤不全的半監督式分類問題。正面資訊不充分、完全不存在負面資訊及缺失標籤的分佈不均導致多標籤分類結果的準確性降低。在本文中，我們提出半監督式之不完備訓練標籤恢…
4
數十年來，許多的研究學者投入研究判別人們是否在說謊。欺騙的跡象不是單一的，且需同時考慮從臉部或身體姿態所觀察到不同的非語言交流。近年來，在科學領域中欺騙檢測的議題逐漸受到重視，相關的欺騙檢測…
5
近幾年來，基於骨架的動作辨識技術越來越進步，大多數的技術能取 得如此卓越成果是藉助於標註完善的資料集。然而，在現實世界中建立如 此大型的資料集所需要花費的成本是很昂貴的。此外，建立資料集的同時 可能…
6
語意分割是一種典型像素級的歸類問題，現今應用於醫學圖像分析、機器人感知、擴增實境等領域裡，本篇論文將其應用於動漫插圖領域裡，對於動漫角色的人體和穿著部件進行像素級別歸類。 在動漫著色(Anime i…
7
近年深度學習被廣泛應用在電腦視覺的領域，其中醫療影像分類更是常利用此技術，皮膚病變分類是醫療影像分類問題中的重要課題，許多皮膚病變可以透過肉眼察覺異常，早期的發現經過治療後往往也可以痊癒，因此皮膚病…
8
在過去的深度學習研究中，大部分的模型訓練需要依靠大量且正確標註的資料才能得到較好的效能；然而，一旦資料集中存有部分錯誤的標註資料，將可能嚴重影響到模型的準確率。在影像分類任務中，常見的深度學習方法是…
9
在巨量資料的年代，我們很難直接針對這些高維度且高複雜度的資料直接做處理。此外，標記資料需要大量的時間、人力、甚至是金錢；相對的，未被標記的資料非常的多而且容易取得。半監督式學習利用可以利用少量標記資…
10
皮膚疾病的準確嚴重程度分級對於精準醫療而言有著關鍵影響。痤瘡是常見的皮膚疾病，人工診斷通常可以根據原發性和繼發性情形作為標準。然而，痤瘡的病灶特徵具有相似性、醫師的臨床經驗或精神狀況具有差異性，因此…