資訊工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60
本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。
News
Browse
4 results
Search Results
Item 基於邊緣計算和深度學習之病媒蚊分類系統(2019) 洪銘鴻; Hong, Ming-Hong由於登革熱與日本腦炎是由病毒所引起的一種傳染病，會經由蚊子傳播給人類。在最近一次 2015 年的台南市爆發登革熱的疫情，最初只出現在台南市北部地區，接著以驚人的速度擴散到全台南市，最終蔓延至台灣全島。當年，確診病例超過 4 萬人，死亡病例也高達 218 人，而且未發病的感染者約為發病者的九倍至十倍。若患者再次被病媒蚊叮咬造成交叉感染，則重症死亡率會大幅度提升至 20%以上，而且目前沒有預防疫苗，也沒有特效藥物可治療，而引發登革熱的病媒蚊為埃及斑蚊（Aedes aegypti）與白線斑蚊 (Aedes albopictus)。而日本腦炎的致死率大約為 20%以上，存活病例約有 40%有神經性或精神性的後遺症，而且亦目前沒有特效藥可治療，引發日本腦炎的病媒蚊為三斑家蚊（Culex tritaeniorhynchus）與環蚊家蚊（Culex annulus），避免病媒蚊叮咬是目前唯一的預防登革熱及日本腦炎的方法。 為解決登革熱與日本腦炎問題，本篇論文提出病媒蚊分類系統，這是一套影像分類準確率高達 98%以及計數功能的智慧捕蚊系統，其中包含邊緣計算、深度學習的影像處理和 電腦視覺，主要功能在邊緣計算為物體偵測，深度學習為斑蚊分類與計數，透過這些步驟，改善了現今捕蚊燈、滅蚊燈不能分類 (Classification)蚊子種類。並以智慧捕蚊裝置收集影像資料，主要資料收集與處理正是引發登革熱的兩種台灣常見的病媒蚊種類──白線斑蚊與埃及斑蚊以及引發日本腦炎的兩種台灣常見的病媒蚊種類──三斑家蚊與環蚊家蚊，並在分類時以斑蚊 (Aedes) 和家蚊 (Culex) 進行二元分類，由於此系統與裝置獲得更多台灣蚊子資訊，其資訊包含進入捕蚊燈的蚊子數量、種類以及時間、地點，以便後續作為對病媒蚊採取措施的重要參考依據。Item 特徵選擇與擷取對辨識娃娃臉之研究(2014) 蔡尹廷在社交場合中，娃娃臉這種臉部特徵在外表上會具有吸引力而且給人友善的感覺。人們可以很簡單的去判斷一個人是否有娃娃臉，然而，構成娃娃臉的特質十分模糊。在我們的論文中，將去分析人臉上的特徵，並挑選出哪些特徵對於判斷一個人是否具有娃娃臉是有幫助的。我們使用特徵選擇(Feature selection)方法去挑選出最佳的特徵組合以及使用卷積神經網路(Convolutional Neural Network)去自動的學習出特徵來判斷是否為娃娃臉。在實驗當中，我們比較使用心理學的特徵、特徵選擇以及卷積神經網路三種方法的差別，在使用卷積神經網路方法的結果會比其他兩種方法來得更好。Item 分析物件、場景、美學推薦照片濾鏡(2018) 陳奕寧; Chen, Yi-Ning本論文旨在幫助社群媒體使用者節省大量的時間在選擇照片的濾鏡。由於濾鏡數量的增加，以及手機板面上的限制，要如何快速地選出適合的濾鏡成為一個問題。我們觀察社群媒體上的照片發現，特定的物件與場景會偏好特定的濾鏡，因此希望藉由照片的內容來推薦適合的濾鏡。在本研究中，我們從社群媒體Instagram上蒐集了大量套過濾鏡的照片作為訓練資料，藉由深度學習的技術，分析照片中出現的物件、所在的場景以及美學相關的屬性，建置出推薦照片濾鏡的類神經網路模型。我們在濾鏡推薦的資料集FACD上達到了Top-1 51.87%的準確度，以及從Instagram建立濾鏡資料集，可以讓後續相關的研究使用。Item 基於卷積神經網路的電影海報概念分析(2017) 林君儒; Lin, Chun-Ju近年來現代人擁有多樣化的休閒娛樂方式，觀賞電影依舊是許多人的首要選擇，電影海報則扮演電影宣傳方式的重要角色，其設計者會以視覺上多樣的元素製作出符合影片風格、概念且具有吸引力的畫面，而這些視覺上的設計元素會與電影息息相關。人們能夠透過視覺輕易地從海報感受出電影的概念，而這些在海報中讓我們可以依據視覺感官接收到的電影海報概念可能有些甚麼？本論文假設電影海報設計的模式與電影的類型有相當程度的關係，在相似的電影類型中，會使用相同的電影海報設計元素。我們從IMP Awards網站上收集了近十年(2006─2015年)的電影海報作為研究的資料集，並從IMDb網站上取得各部電影的類型資訊及關鍵字。我們利用對於圖像辨識有優秀結果的卷積神經網路(Convolutional Neural Network)技術來取出電影海報中的特徵，並以電影關鍵字和情緒視為電影海報概念來分析其記錄大量影像特徵的神經元是否會與其之間有關聯性存在。在本論文的實驗結果發現，利用卷積神經網路對電影海報作電影類型之多標籤分類有良好的分類結果，而且Fc7層取出的特徵向量維度並不影響分類之效能。然而，以電影關鍵字和情緒視為電影海報概念之分析的部分，實驗顯示以本論文的方式進行分析，其與神經元的值之間的關聯性不明顯。