學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.YOLO

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    基於YOLO深度學習用於小型漂浮物檢測的新型卷積演算法
    (2023) 沈峻宇; Shen, Jun-Yu
    海洋中的不當廢棄物已導致全球危機，為了緩解這個問題，要在海洋及河流的廢棄物到達環境負荷上限之前對其進行檢測和清理，本研究提出了一種基於 YOLOv4 的算法來檢測河流中的漂流廢棄物，算法結合了改進後的RegP池化層並添加到空間金字塔中的池化層與減少輸出部分的檢測層，以改進特徵提取並防止丟失重要或微小細節，並且針對微小的物品進行檢測。實驗結果中評估了本研究的方法在 FloW和Pascal VOC資料集上的性能，與現今的最先進的技術相比，結果表明提出的方法具有更好的mAP準確率，具體來說，在FloW上分別提升了7.91%和11.36%，並且也與多個在漂流廢棄物檢測的先進方法進行對比，獲得了最佳的準確率，在Pascal VOC上的實驗證實了本研究的方法在不同尺寸大小的物件上的有效性，最後測試了在WIDER FACE上對小尺寸的人臉進行檢測實驗，在準確率上也有一定的提升。本研究提供了一個有前途的解決方案，有助於檢測和清除河流中的廢棄物。
  • No Thumbnail Available
    Item
    以深度學習拆解與辨識中文書法字之筆畫
    (2018) 吳彥德; Wu, Yen-Te
    本論文針對中文書法字領域中較少人關注的部分─筆畫，以往對於文字方面的研究大多是文字辨識，例如：光學字元識別(Optical Character Recognition，OCR)，主要在於”辨識”出文字。本論文透過筆畫來理解文字並進行拆解、辨識以及重現，遂提出了基於深度學習之筆畫拆解與辨識及即時書寫系統，驗證平台是透過網路攝影機讀取文字影像再用並列式手臂(Delta Robot)做即時的書寫。基於深度學習之筆畫辨識系統採用近幾年急速發展的深度學習來進行物件辨識，深度學習已經在影像識別方面證明其強對大的能力，藉由大量數據集學習對應物件而產生理想的網路模型，以此模型辨識想尋找的物件。所以本論文採用深度學習並改良部分神經網路架構，以得到較好的筆畫辨識結果。本系統參考並沿用YOLO(You only look once)在即時(Real-time)偵測與定位上的優良檢測速度以及準確度，在得出辨識與定位結果後，利用辨識與定位出的物件資訊做進一步的物件分割，再採用影像前處理濾除干擾以及提取骨架，得到每個筆畫物件的座標點，最後交由並列式手臂進行書寫以及文字的重構。此外，由於訓練神經網路需要大量的運算，因此有關神經網路的執行以及訓練都使用GPU進行平行運算來加速。本論文將文字筆畫作為物件並使用深度學習進行辨識與定位，此方式能同時得到筆畫種類以及座標，並且基於YOLO網路架構針對筆畫辨識進行架構改良，進一步提升辨識、定位準確率，同時保持原有的辨識速度。