檢索結果：共16筆資料 檢索策略： "卷積神經網路".ckeyword (精準) and cadvisor.raw="吳怡樂"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
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…
2
近年來，受惠於硬體效能的強大以及深度學習相關研究的進步，在電腦視覺衍生出許多實用的應用，且已經與我們的生活息息相關了。然而，隨著 person re-identification (re-ID) 的…
3
近年來，由於智慧家庭、科技執法等議題，行人再識別在電腦視覺領域中再度受到關注。行人再識別的目標即是在不同的攝影鏡頭中搜尋同一目標行人，達到所謂的跨鏡頭追蹤，而它的困難之處在於行人影像會隨著鏡頭解析度…
4
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，…
5
在過去不良圖片的辨識通常利用皮膚特徵或是圖片附註的關鍵字描述搭配多個過濾器進行過濾。深度學習通常都需要花費大量的時間來訓練，。隨著硬體的進步以及新的演算法不斷提出，訓練時間問題漸漸緩解。深度卷積神經…
6
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…
7
現存的多數使用深度神經網路架構作為合成語音檢測的方法，都需透過對輸入的語音波形資料進行預前處理，像是特徵的抽取，再將處理過的資料輸入進深度神經網路進行學習。儘管透過特徵的抽取後再使用強大的深度神經網…
8
近年來隨著深度卷積神經網路的發展，圖像超分辨率技術上有了顯著的進步。然而大多數研究者皆專注於讓模型順著單一的倍率進行訓練。只有少數人才專注於製作一個能通用於各式各樣倍率的模型。 我們參考了前人提出…
9
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…
10
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…