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

系所網址：http://w1.csie.ntnu.edu.tw/

Browse

Filters

20212

Settings

Subject: search.filters.subject.Autoencoder

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    人臉辨識系統特徵擷取之研究
    (2021) 彭涵芸; Peng, Han-Yun
    近年來人工智慧蓬勃發展，應用在眾多領域當中，因此使用生物特徵進行驗證也越來越普遍，通常會利用生物特徵的唯一性來區分生物個體，而人臉辨識是其中的一種方式。人臉辨識有三個步驟，人臉偵測、特徵擷取、人臉識別。在人臉辨識系統中，特徵擷取為重要的一環，有較佳的特徵，可以幫助系統後續的學習與歸納。特徵學習可分為兩類，監督式特徵學習和無監督式特徵學習，兩種方式各有優缺點。特徵擷取後很難評判選取的好壞，所以希望使用一些視覺化與數據分析的方式，來輔助我們判斷特徵的優劣。人臉辨識系統需要使用當地的資料集，所以在網路上收集亞洲人臉，用來豐富系統的資料集。在視覺化的部分使用Gradient-weighted Class Activation Mapping來觀察類神經網路關注的地方，進而了解擷取的特徵是否為人臉五官。在數據分析的部分使用影像相似度的方法，來觀察與分析特徵擷取結果的好壞。本論文找尋一種驗證機制，來確定無監督式特徵學習中的Autoencoder是否擷取到人臉的重要特徵，在利用上述的驗證機制，來驗證使用Autoencoder作為特徵擷取網路，應用於人臉辨識系統中可否有效提升準確度。
  • No Thumbnail Available
    Item
    以關係類神經網路與嵌入式平台為基礎實作人臉辨識之研究
    (2021) 蔡佳韋; Cai, Jia-Wei
    隨著科技的日新月異，使得人工智慧逐漸融入我們的生活，人工智慧的應用層面相當的廣泛，許多應用上都能看到它的影子，包括車牌辨識、股票預測分析、AOI 瑕疵檢測、推薦系統、聊天機器人等等，以及本論文的核心－人臉辨識都是常見的應用。 傳統的 Convolutional Neural Network 對於分類問題具有相當好的辨識力，但 是僅限於已知類別，對於未知類別是無法應對的，Convolutional Neural Network 會將其納入已知類別分數最高的一類。為了解決分類限制的問題，我們以 Relation Neural Network 的架構來做為主要開發的演算法則，由於它可以透過度量學習來 判斷影像與影像標的之間的相似度距離分數，透過設立門檻值來依據相似度分數 的高低，判定是已知類別或是未知類別。 在本論文中，每位已知者都共享相同的 Autoencoder 特徵擷取網路，並且有 屬於自己的打分數網路，不會因為一個人的加入或退出而影響整個網路導致需要 重新訓練，在管理層面相當有彈性。此外，為了增加系統的實用性，我們將類神 經網路整合至 Android App 專案，使其可以運行在低成本且輕量化的嵌入式平台， 在保持著與原有準確度及速度的情況之下，達到邊緣運算的成效。