理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 2 of 2
  • Item
    Modified Faster R-CNN with Applications to Cat and Dog Image Detection
    (2024) 黃世龍; Huang, Shih-Long
    隨著深度學習技術的快速發展,神經網絡在物件檢測應用的範圍和性能上不斷改進,取得了顯著的進展。本論文基於 Faster R-CNN 框架,通過調整參數和卷積神經網絡,應用於 Kaggle 數據集中的貓狗圖像檢測。通過觀察性能變化並使用統計重採樣方法來確保數據集對模型精度和召回率的影響,論文展示了重採樣方法和參數調整如何影響模型的精度和召回率。在調整到最佳參數後,論文展示了基於 ResNet 的 Faster R-CNN 模型在物件特徵提取和邊界框回歸中的有效性,並比較了單階段物件辨識與兩階段物件辨識的精度差異。實驗結果表明,作為 Faster R-CNN 模型中特徵提取卷積神經網絡的 ResNet 在該數據集上表現出色,且兩階段物件辨識模型在此數據集上有較好的精度表現。
  • Item
    以機率為基礎的語意分析之物件辨識研究
    (2009) 吳家維; Jia-Wei Wu
    使用影像中具有語意資訊的內容來作物件辨識,應該比使用低階特徵來辨識更為合理。為了克服語意隔閡,也就是高階與低階影像特徵之間的差距,我們提出一個非監督式的方法,藉由收集影像中的高階資訊,建構出一個新的影像表示法,我們將之命名為以機率為基礎的語意組成描述子(pSCD)。首先,我們將低階影像特徵量化,藉此得到一組視覺字組。接著我們利用修改過的pLSA模型來分析在視覺字組與影像間,包含哪些具有語意資訊的隱藏類別。利用這些隱藏類別,我們可以建構出pSCD,並將之應用在物件辨識上。另外,我們也會討論隱藏類別的數量多寡對pSCD的影響。最後,藉由物件辨識的實驗,我們證明了pSCD比起其它的影像表示法更加具有辨別性,例如袋字表示法或pLSA表示法。