機電工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/84

系所沿革

為迎合產業機電整合人才之需求,本校於民國 91年成立機電科技研究所,招收碩士班學生;隨後並於民國93年設立大學部,系所整合為「機電科技學系」,更於101學年度起招收博士班學生。103學年度本系更名為「機電工程學系」,本系所之發展方向與目標,係配合國家政策、產業需求與技術發展趨勢而制定。本系規劃專業領域包含「精密機械」及「光機電整合」 為兩大核心領域, 使學生不但學有專精,並具跨領域的知識,期能強化學生之應變能力,以適應多元變化的明日社會。

教學目標主要希望教導學生機電工程相關之基本原理與實務應用的專業知能,並訓練學生如何運用工具進行設計、執行、實作與驗證各項實驗,以培養解決機電工程上各種問題所需要的獨立思考與創新能力。

基於建立系統性的機電工程整合教學與研究目標,本系學士班及研究所之教育目標如下:

一、學士班

1.培育具備理論與實作能力之機電工程人才。

2.培育符合產業需求或教育專業之機電工程人才。

3.培育具備人文素養、專業倫理及終身學習能力之機電工程人才。

二、研究所

1.培育具備機電工程整合實務能力之專業工程師或研發人才。

2.培育機電工程相關研究創新與產業應用之專業工程師或研發人才。

3.培育具備人文素養、專業倫理及終身學習能力之專業工程師或研發人才。

News

Browse

Search Results

Now showing 1 - 3 of 3
  • Item
    基於人臉網格的一種對於化妝與跨年齡的臉部辨識
    (2024) 陳勁凱; Chen, Chin-Kai
    臉部辨識是一種重要的生物識別技術,在多種應用中得到廣泛使用。然而,化妝以及年齡變化會使人臉發生變化,進而影響人臉上的特徵,從而降低臉部辨識的準確性。為了解決化妝以及年齡變化造成的臉部辨識問題,本論文提出了一種基于MediaPipe的FaceMesh和類神經網路的臉部辨識方法,以解決化妝以及年齡變化造成的臉部辨識問題,該方法將在Python內部逐步構成。MediaPipe FaceMesh模型的人臉偵測是以 BlazeFace 人臉偵測器為基礎,該偵測器會對圖像進行操作並計算人臉位置。偵測到人臉後,FaceMesh模型會使用一個自定義殘差神經網絡提取名為landmark的臉部特徵,並利用歐式距離和landmark蘊含的座標資料計算指定的landmark之間的距離以及比值,作為訓練用的臉部特徵。主成分分析用於提高準確率,降低過擬合現象。類神經網路用於訓練模型。實驗結果表明,該方法在化妝以及年齡變化下的臉部辨識有一定的準確性,具有一定的應用價值。
  • Item
    基於3D人臉辨識之擴增實境技術改善臉盲症社交輔助系統
    (2021) 簡文浩; Jian, Wen-Hau
    本論文目標為開發一套 AR(Augmented Reality,擴增實境)眼鏡輔助系 統,協助臉盲症患者在社交上、對於生活中他人的辨識。本研究主要貢獻為 提出以三維人臉模型作為人臉辨識之資料擴增基礎,滿足對於臉盲症患者實 際社交情境之實用性,並且將各軟體與硬體平台之優勢進行系統整合與設 計,實現可讓患者立即投入使用之社交輔助工具。具體架構包含以下內容: 第一,以結構光技術(Structured Light)結合立體視覺攝影機,經由 Structured Light 與2D RGB 輸入,2D 資料通過深度神經網路(Deep Neural Network)進行 人臉的提取,並確認三維空間中人臉之座標,運用深度學習將3D 點雲資訊 和2D 影像進行實時三維人臉密集重建,並取得人臉正面、側面 等7個角度 之人臉資訊,提高人臉對於側臉與大動態辨識的準確度。第二,藉由第一部 分產生之人臉資訊,輸入卷積神經網路進行運算,卷積神經網路以輸出128 維之特徵向量取代傳統高維分類器作為人臉特徵依據,將計算之特徵向量與 系統內 SQL(Structured Query Language)資料庫,進行歐式距離計算並比對, 取得最小歐式距離並對應該人臉的姓名資料。第三,將人臉標籤資訊、空間 中之人臉座標點,藉由相機模型投影,實現 AR 眼鏡中顯示即時人臉辨識標 籤及人臉 Bounding Box。本論文希望臉盲症患者在戴上 AR眼鏡後,AR 眼 鏡能夠即時從環境中掃描人臉,並從既有資料庫之中,辨別出對應之身分, 將該人的位置與人名標註至 AR 眼鏡中,幫助臉盲症患者能夠辨別出生活中 每個人之身分,不因認不出臉而產生困惑,突破社交上的阻礙,降低而因社 交上之阻礙,導致產生自閉症等心理疾病之可能性。
  • Item
    基於主成份分析法與灰關聯分析法之動態人臉辨識
    (2007) 邱柏智; BO-JR Chiou
    人臉辨識系統廣泛地應用於身分認證、門禁管理與人機界面等領域,近年來由於「智慧生活」科技的提倡,人臉辨識技術已延伸至人與機器最佳化介面之應用。此外視訊會議、影像內容檢索與醫學影像處理等方面,亦是其重要之應用領域。 本篇論文分為人臉偵測和人臉辨識兩大部分。在人臉偵測的部份,我們利用膚色分割和連通成份的方法找出人臉候選區,再使用色彩分析的方法從人臉候選區中尋找眼睛和嘴唇的特徵,最後再使用眼睛和嘴唇的幾何條件關係去定位出正確的人臉位置。在人臉辨識部分,我們提出一套結合主成份分析法與灰關聯分析法的人臉辨識方法,此方法的架構分為以下三個階段:首先,在影像前處理的階段,我們使用二維小波轉換,對輸入影像做資料壓縮的處理,接著,利用主成份分析法將壓縮過的人臉影像,投影到低維度的子空間中,計算出具有代表性的特徵臉,最後,再使用灰關聯分析法,來辨識出正確的人臉圖片。 為了驗證本篇所提出的方法,在靜態辨識實驗中,我們使用ORL人臉資料庫,做了一些分析和比較的實驗,實驗結果證明,在40人條件下,訓練樣本為五張時,可以得到91.6%的辨識率。而本篇方法在動態辨識實驗中以不同距離拍攝人臉,在30人條件下,可以得到八成以上的辨識率。