交通大學資訊科學與工程研究所學位論文
國立交通大學,正常發行
選擇卷期
- 學位論文
在電腦視覺中，多物件追蹤是常見的議題，目前也有很多相關技術與研究供後人參考，但大部分的追蹤影像都是投射型攝影機，而在魚眼影像上的相關追蹤較為稀少，魚眼影像的優點是涵蓋的範圍較廣，而在人物與人物之間很靠近，在投射型攝影機會被遮蔽到的情況下，使用頂照式魚眼影像會有較好的視野資訊。本篇論文使用頂照式魚眼影像提及一個新的追蹤方法，期望在即時影像上偵測、追蹤行人。 在追蹤行人的部分，我們使用三維的voxel資訊儲存前景值，在行人的位置附近上找尋一個最大機率的位置上判斷新的行人位置，並且搭配行人的外觀特徵，用顏色直方圖來輔助追蹤系統，為了達到更高的準備度
- 學位論文
對環境進行三維立體模型重建在電腦視覺領域裡一直都是很重要的研究主 題。早期的研究經常會使用雷射測距儀作為主要感測器,雖然他們能夠量測絕對 距離,但是結果通常都是稀疏的點雲。近年來,隨著科技進步,相機變得更加便 宜、輕巧,並且能夠取得高品質的影像。再者,相機屬於被動傳感器的一種,它 們不會干擾環境及其他傳感器,因此單純依靠影像的重建方法越來越受歡迎。本 篇論文提出一套三維環境重建系統,使用立體相機作為感測器,搭配同步地圖構 建與定位、深層立體匹配網路的技術,能夠達到在對環境計算稠密點雲時,讓使 用者進行同步場景瀏覽;更進一步地對點雲進行後處理,以達到三角網格模型重 建。 在此系統裡,首先必須先對立體相機進行校正,以得到內部和外部參數。下 一步是利用相機參數與立體相機所取得之立體影像對來進行相機定位、稠密點雲 重建及同步瀏覽。最後則是對系統產生的場景稠密點雲進行整合,然後重建其網 格模型。實驗結果顯示,本系統能夠以合理的速度進行稠密點雲重建。我們透過 KITTI 資料庫來演示此系統,並且展現了它能夠拓展至實際用途的潛力。
- 學位論文
我們提出一種純End-to-end訓練賽車遊戲AI機器人的深度增強式學習(deep reinforcement learning)方法，只利用遊戲畫面中提供的速度資訊來進行訓練，不使用任何從遊戲內部拿出其他的內部資訊如賽車面向角度等，並透過自我學習超越平均人類玩家水準。我們提出純速度組成之價值函數，並利用分散式訓練架構Ape-X結合Deep Q Network的變形來訓練，解決價值函數所提供的訓練訊號較稀疏的問題。另外，我們也提出限制學習者速度方法，大幅增加訓練速度與最終訓練成果。使用此方法訓練出來的AI機器人可以達到超越人類平均水準的表現，並且能夠達到接近專業級玩家的程度。
- 學位論文
近幾年來隨着物聯網裝置的迅速普及，⼤家也開始逐漸重視其所可能帶來的安全 議題。然⽽物聯網裝置與現有電⼦消費性產品的使⽤情境不盡然相同，是以針對現有消費性電⼦產品的安全防範機制並無法有效解決物聯網裝置所可能帶來的安全問題。 物聯網裝置與現有消費性電⼦產品，如個⼈電腦、智慧型⼿機最⼤的不同點在於 使⽤者與其的互動⽅式。如果電腦或⼿機被惡意軟體感染了，使⽤者⼤多會因為裝置上出現不尋常畫⾯，或是執⾏速度變慢等體驗⽽開始懷疑裝置是否被感染，進⽽去檢查裝置的健康情況。相對⽽⾔如果今天不法⼈⼠是透過⼊侵家辦公室的智慧電視，暗中監聽使⽤者與商業夥伴的對話。因為使⽤情景的不同，使⽤者本來就不會與這類物聯網裝置有很多互動，故我們無法期待使⽤者可以透過互動觀察出⼀些端倪進⽽意識到裝置出現了問題。此外，資安公司 Symantec 也在其 2017 四⽉的研究報告⾥點明很多物聯網裝置的開發廠商在開發裝置的時候並沒有正視物聯網裝置所可能帶來的安全議題，這很⼤程度加劇了物聯網裝置被不法⼈⼠利⽤的可能。 我們相信這種被動的情況可以藉助讓使⽤者掌握裝置上的資訊流動狀況來改善。 透過資訊流追蹤機制，使⽤者可以更容易觀察裝置上敏感資訊的流向，並就該流向推敲出裝置的安全狀況、進⽽提早發現與防範隱私資料的外泄。就此我們針對物聯網裝置設計了 SECol。SECol 利⽤ kernel probe（kprobe）來截取系統事件，並透過污點傳播即時分析系統上的事件，故可以在隱私資料外泄的第⼀時間將事件回報給使⽤者。
- 學位論文
當一個系統核心模組內存在著漏洞,會使得攻擊者有機會去破壞系統或者繞過核心的保護機制,將會暴露整個系統在風險之中。為此,我們提出了一個名為KSA的機制,利用虛擬化的技術來將一些程式碼移到虛擬機來執行,達到一個以函式為單位的隔離效果。ARM SoC比起x86機器來說更經常連接不同設備,為了讓系統能支持新設備,ARM平台上比較會有安裝新核心模組(驅動程式)的需求。再加上,由於 ARM SoC在設計上可能會缺少一些硬體的支援,例如用來映射設備地址的IOMMU。於是我們選擇在ARM平台上實做KSA並且不需要額外的硬體支援。與半虛擬化類似的概念,我們將一個核心模組分成前端模組與後端模組的形式。後端模組存在於虛擬機中,將被用來執行從主體機的前端模組送來之函式呼叫。KSA透過虛擬化的隔離效果,來使主體機免於潛藏在這些函式中的漏洞。我們經由一些實驗來評估KSA 所造成的效能影響和他的隔離效果,從結果中顯示KSA能夠避免主體機當機或者洩漏資訊。KSA較適用在處理核心模組設定、認證或者資料處理的函式上。
- 學位論文
隨著商業上的需求漸增，推薦系統在近年來變得越來越重要的議題。推薦系統提供使用者個人化的推薦，有許多的演算法在過去的很多論文中被提出，尤其是 Collaborative Filtering (CF) 類演算法提供了個人化推薦很高的精準度，但是這些論文中影音資料來源大多來自於Netflix Prize和Movielens等特定的Dataset，為了避免推薦演算法只適用於特定Dataset，本篇論文將實作推薦系統在真正的影音系統上，利用真實收集到的資料來驗證 CF 演算法。然而在推薦系統的討論也不僅在於精準度而已，過高的精準度通常也會使推薦結果不如預期的好，本篇論文更會討論推薦系統的多樣性，在個人化推薦曝光給使用者後，驗證演算法的精準度及多樣性。
- 學位論文
WiGig是一種依據IEEE 802.11ad標準所設計、運作在60GHz頻段的無線網路技術。WiGig因波長短，使其能量衰減速度極快。為了克服此缺點，WiGig使用波束成型技術以產生有方向性的波束作為傳輸媒介。因此，若兩個終端要建立連線，必須各自選擇適當的波束來進行傳輸，而最好的波束組合與兩個終端的相對位置有關。IEEE 802.11ad中針對尋找最好波束組合採用一個窮舉式的搜尋機制，但在使用者會移動的狀況下可能因搜尋時間過長導致延遲太長。為了加速尋找最佳波束組合，我們利用感測器所提供的資訊協助波束追蹤。相關的論文中也有借助感測器，他們利用感測器的值推算使用者位移的距離或旋轉的角度，進而推得最佳的波束。但是這樣的方式非常依賴感測器的準確度，而目前市面上的感測器並沒有辦法支援該方法所需要的準確度。在我們的方法中，我們只從感測器取得較基本但較可靠的資料。我們的方法是透過感測器知道使用者移動的方向，根據這些資訊縮小候選波束的範圍。此外，我們透過實驗得到有趣的發現，而這些發現可以讓我們利用在波束追蹤中。實驗結果顯示我們的方法可以以較少的候選波術追蹤，且保證其中包含最佳的波束。
- 學位論文
近年來，在電腦視覺識別的研究中，大多數模型都基於充足的數據量，並且利用大量影像進行訓練，得到良好的模型表現。然而在醫學領域中，醫學影像的資料量往往遠少於其他應用領域。因此，在醫學影像分析中若使用一般電腦視覺識別模型，其效能會相對較差。在本研究中，我們提出了新的影像分析方法，在醫學領域資料有限的條件下，有效提升模型的效能。我們所提出的方法中，首先會進行病徵偵測，接著整合病徵ROI與原始影像，最後進行病症分類。在本研究中，也利用傳統影像處理演算法，將影像進行前處理，提取不同的影像特徵，提升病徵偵測與病症分類之效能。本研究使⽤了來⾃台灣中部某醫學中⼼所提供的腹部 X 光影像進行實驗，其中包含健康樣本與患有僵直性脊椎炎之樣本。在病徵ROI偵測的部分，使用Patch-Level分類器來將影像中含有病徵特徵的Patch偵測出來。結合傳統影像處理演算法進行特徵提取，病徵偵測模型的AUC能達到0.925。接著，利用此病徵偵測模型來產生病徵特徵熱圖。病症分類效能方面，在結合病徵特徵熱圖後，病症分類模型的accuracy能達到82%，相較於未整合病徵偵測之模型效能，獲得大幅度的提升。
- 學位論文
在各個領域中，預測商品未來的趨勢都具有⾼度的應⽤價值，不論是在股市中預測股價會突然上漲的股票，或者是預測在電商中哪些商品的銷售量會有⼤幅成⻑，都能為我們帶來可觀的效益。⽽⽬前的研究中，已經證實了社群媒體可以反映出現實世界的事件影響以及⼤眾的情緒意⾒。並且這些特徵與其他商品的變化有⾼度相關性，包含股價起伏、⾳樂與書籍銷售量以及電影票房，因此在預測商品趨勢的研究中，也有部分研究已經結合社群媒體來提升效能，然⽽，在⽬前的商品趨勢研究中，⼤部分研究都僅預測趨勢⽅向。僅知道趨勢⽅向⽽沒有變化強度，在應⽤上的價值就會受限，因此在本論⽂中，我們設計了⼀套具⾼效率的顯著預測趨勢架構，可以有效的結合社群媒體資料以及商品的歷史資料，同時我們藉由分析這些社群媒體的特徵，可以快速地找出潛在的顯著趨勢之商品，就能提前對於預測商品進⾏處理，有效的過濾那些不太可能有顯著趨勢之商品。經由⼀系列真實資料的實驗評估，整體來說本研究所提出的⽅法在預測準確度及效率上都可顯著優於其他⽅法，驗證了我們的模型在商品顯著趨勢之預測上可以同時達到準確性及效率性之要求。