學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73894
Browse
3 results
Search Results
Item 基於長短期記憶網路的疲勞檢測(2022) 高國瑋; Gao, Guo-Wei本論文重點介紹即時疲勞檢測流程。該系統將在 Python 內部完成這一切，並逐步構建它，以便能夠檢測到不同的姿勢，特別是困倦的跡象。 為了做到這一點，我們使用一些關鍵模型並使用 MediaPipe Holistic 來提取關鍵點。 這將使我們能夠從臉部提取關鍵點。 該系統使用 Tensorflow 和 Keras，並建立了一個長短期記憶模型 long short-term memory（LSTM），能夠預測螢幕上顯示的動作。我們需要做的是收集關於我們所有不同關鍵點的一些數據，所以我們收集我們臉上的數據並將它們保存為 Numpy 數據，以便處理多維的陣列或矩陣。人臉檢測方法基於一個深度神經網絡，使用 Sklearn 進行評估和測試，並使用 Matplotlib 幫助進行圖像可視化。能夠從臉部檢測到 468個地標，提取臉部的重要特徵並對數據進行變換，以便將數據導入 LSTM 模型。使用 LSTM 層繼續並預測時間分量，它能夠從多個幀預測動作，而不僅僅是單個幀。使用 Opencv 進行集成，然後使用網路攝影機進行即時預測。本研究成功使用 MediaPipe 與 LSTM 模型相結合，提出一套疲勞檢測的系統。實驗結果顯示，經機器學習後其檢測平均準確率能達到 90%。Item 自組性類神經網路應用於乳房X光影像之偵測(2007) 郭泰榕; Tai-Jung Kuo醫學影像的研究，從早期的X光片、超音波顯像，到現在的核磁共振（MRI）、電腦斷層掃瞄（CT），使得全世界在醫學技術及醫療品質有了大幅的提昇。然而在國內，此等醫療技術的應用仍大量仰賴國外高科技產品的輸入，例如MRI的掃描器，仍是完全倚靠國外的輸入；相關的使用軟體也是購自國外。為了解決此問題，並降低全民醫療成本，實有必要自行發展醫學影像辨認系統。本論文結合圖形識別與類神經網路之演算法則，提出一套改善乳房X光影像的辨認技術，以供乳癌診斷參考。 本論文所提出的概念，主要利用自組性類神經網路（SOM）的演算法則，實施特徵萃取、分類定義及聚類的工作，使乳癌的鈣化組織與腫瘤區塊較準確的顯示出來，並配合影像處理之分析，達到提升辨識速度及診斷準確度的目標。所開發出來的影像處理工具箱，包括影像濾波、SOM特徵擷取與影像邊界描述等。經由本研究的模擬實驗後，在運算複雜度與速度上，均已獲得改善。Item 膚色偵測器應用於即時臉部擷取系統(2007) 鄔誌仁; Zhi-Ren Wu人臉偵測系統在人臉辨識、人機介面裝置以及影像監視器的應用上扮演非常重要的角色。本篇論文提出一套針對不同亮度做補償之膚色偵測器，由於膚色極容易受光線影響，因此，必須做一些適當的光線補償。首先，本篇先對輸入影像做光線補償來做亮度校正。隨後，我們利用訓練出的CbCr值來做膚色分割。在訓練過程中，採用「主軸k-means」演算法將膚色訓練資料做分群處理。在特徵擷取部分，利用眼睛、嘴巴，以及比較少見的頭髮等三個特徵來定義人臉區域。實驗結果顯示出，本篇論文所提出的方法已改善光線所產生的問題，而且系統可以即時工作，在膚色偵測率高達95.02％；針對較複雜背景情況的靜態人臉偵測率高達91.67％；動態人臉偵測率高達97.78%。在此，我們主要是針對正臉以及接近正臉的人臉來做實驗，對於背景太複雜的情形下，仍然有偵測不到的現象。