發明
中華民國
107102836
I 762562
影像辨識方法及影像辨識裝置
國立中央大學
2022/05/01
本研究提出之全卷積神經網路架構,結合DT-EdgeNet以及OBG-FCN兩者的特色,DT-EdgeNet利用邊緣保留濾波器,對所有類別的得分圖進行平滑化的同時,也讓得分圖中的邊緣訊息,可以依據EdgeNet的輸出結果被濾波器保留,本研究提出的貢獻是增加將卷積神經網路結合邊緣保留濾波器使用的方向。且經由OBP-Mask所產生之三類得分圖的訊息,包含非物件的部份也會比單純訓練邊緣的EdgeNet少,那麼做域轉換的時候,非物件部份被保留下來的情況也會較低。 In our research, we combined two network to improve accuracy. One produces mask, and the other one classifies label of pixel. One of our proposal is that, we change the joint images of domain transform in DT-EdgeNet. Due to the joint images of DT-EdgeNet are edges. These edges include the edges of object, which do not belong to the training set. So the result of after domain transform mind be influence by these edges.
智權技轉組
03-4227151轉27076
版權所有 © 國家科學及技術委員會 National Science and Technology Council All Rights Reserved.
建議使用IE 11或以上版本瀏覽器,最佳瀏覽解析度為1024x768以上|政府網站資料開放宣告
主辦單位:國家科學及技術委員會 執行單位:台灣經濟研究院 網站維護:台灣經濟研究院