Sökning: "syntetiska bilder"
Visar resultat 1 - 5 av 38 uppsatser innehållade orden syntetiska bilder.
1. Surface functionalization of cellulose fibers and exploration of its influence in ion exchange chromatography
Master-uppsats, KTH/Fiber- och polymerteknologiSammanfattning : Kromatografiska metoder kan användas för en mängd olika tillämpningar, inklusive separation, rening och analys av biomolekyler och kemikalier. Membrankromatografi är en av de nya kromatografiteknikerna som expanderar snabbt eftersom den tillåter hög masstransport genom den stationära fasen, vilket resulterar i en mer tidseffektiv process. LÄS MER
2. Evaluating the Viability of Synthetic Pre-training Data for Face Recognition Using a CNN-Based Multiclass Classifier
Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Today, face recognition is becoming increasingly accurate and faster with deep learning methods such as convolutional neural networks (CNNs), and is now widely used in areas such as security and entertainment. Typically, these CNNs are trained using real-face datasets like CASIA-WebFace, which was put together using web-crawling of IMDB. LÄS MER
3. Krav och metoder för insamling av data för maskinlärning inom svensk byggindustri : En utforskning av behov och anpassning av dataset
Uppsats för yrkesexamina på avancerad nivå, Luleå tekniska universitet/Institutionen för samhällsbyggnad och naturresurserSammanfattning : Ur ett pågående forskningsprojekt om artificiell intelligens (AI) har ett behov vuxit fram att hitta en metod för datainsamling inom svensk byggkontext, detta examensarbete hade som syfte är att uppfylla det behovet. Forskningen är inom området maskinlärning (ML) och dataseende (CV) i bygg och anläggningsbranschen. LÄS MER
4. Unsupervised Domain Adaptation for Regressive Annotation : Using Domain-Adversarial Training on Eye Image Data for Pupil Detection
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Machine learning has seen a rapid progress the last couple of decades, with more and more powerful neural network models continuously being presented. These neural networks require large amounts of data to train them. LÄS MER
5. An empirical comparison of generative capabilities of GAN vs VAE
Kandidat-uppsats, KTH/DatavetenskapSammanfattning : Generative models are a family of machine learning algorithms that are aspire to enable computers to understand the real world. Their capability to understand the underlying distribution of data enables them to generate synthetic data from the data they are trained on. LÄS MER