【 中華行動數位 】AI影像辨識技術應用 教學實錄影片

針對影片上的人臉辨識問題,本論文提出一個機率圖模型來解決並將其公式化。首先,我們將此問題分成兩個部份來探討,分別為相似度之計算與遞移機率, 其中相似度之計算可被視作為傳統的單張影像之人臉辨識的結果,在此篇論文

在本篇論文中，我們提出了一個可學習的正規度量 (Metric) 與一種整合度量學習中類原型學習與鄰近資料學習的方法，用以量測每一對資料不相似的程度，來解決現今度量學習方法中的問題。

Finally, this study explores the primary factors influencing the recognition capability of deep network transfer learning in safety equipment and provides practical recommendations in hopes of contributing to the automation of construction site safety mon

中文摘要在最近十年中，電腦視覺的研究取得相當大的進步並對我們的生活造成顯著的影響。 藉由大數據分析和機器學習的演算法為基礎，許多智慧型的裝置被開發出來。 舉Google Glass 為例子，這個穿戴型的裝置能藉由擷取周遭人們臉孔的影像並對這些影像來做分析，來認出周遭的人們的身分。 另外一個例子是車牌自動辨識系統，這個系統能夠辨識進入車輛的車牌，並將其入場時間記錄於伺服器，於是我們開車進場經過閘門時就不用按鈕等著取得停車票卡，繳費的時候只需要輸入車號，十分便利。 這些應用結合了電腦視覺和機器學習的研究，讓我

我們的模型目前只有在幾個簡單的影像資料庫做測試， 還沒有在複雜的影像資料庫上做測試，未來可以結合他們的實務經驗與他們的電腦設 備，結合兩套方法進行實際辨識測試。 我將對理論的部份，探討兩者的極限差異。

本研究深受此論文影響,故嘗試以發展更加完全的深度學習影像辨識手法進行鏽蝕的辨識,期望能達到更加精確以及實用的辨識模型。

本研究提出透過深度學習之影像辨識技術，利用卷積神經網路（CNN）所具有很強的特徵提取功能，透過濾波器（filters）一層一層從輪廓、邊緣線條到局部特徵自動進行提取，再以完全連接（fully connected）方式將特徵資料輸入至神經網路進行訓練，由於對於影像與語音辨識處理效果很好，易於找出重複出現的特徵，有利於差異辨識以進行分類。 使用卷積神經網路，透過參數與神經網路架構之調整，以貓、狗為研究案例，應用於流浪動物通報多元管道。 流浪動物主要是貓與狗，因為貓與狗兩種動物之體型、大小、毛色、外觀等特徵相類