• 學位論文

自動化產生極曲線

魚眼攝影機具有高達180度的寬廣場視野（field-of-view, FOV），使得其比傳統攝影機更加適用於監控等許多應用中。然而，魚眼攝影機所拍攝到的影像具有相當嚴重的扭曲變形，導致其不適用於深度影像估測等需要基於極線幾何（epipolar geomety）與雙攝影機立體對應關係性質的應用。即使已有許多使用透視投影攝影機模型的深度估測方法被提出，它們仍然無法實作在魚眼攝影機架構下，因為這些投影並不會都是直線。因此，用來表示魚眼攝影機下扭曲變形的極線幾何的極曲線（epipolar curve）之可用性，對於這個議題會非常有幫助。 本論文提出一個藉助輔助螢幕來計算與估測雙魚眼攝影機極點位置的方法。主要想法是在螢幕上產生對應於透視投影極線的直線特徵，接著用一組雙魚眼攝影機拍攝／擷取極曲線。根據實驗結果，本方法在實驗環境與真實世界場景下都能提供良好的結果。本方法的優點包含：(i)平均誤差少於2個像素的準確極曲線結果，而非其機率統計分布，以及(ii)極點與極曲線都能簡單與自動的被估算得到，後者之數量還可依需要無限量的被估算出來。

• 學位論文

LTE高密度小細胞網路之可擴展性的移動性管理組件系統設計與實作

隨著可攜式手持裝置普及化以及應用程式的多元發展，使用者對於無線通訊的需求愈來愈高。在快速成長的智慧行動裝置數量和無線資料流量的情況下，高密度小細胞網路(UDN)愈來愈受到重視。然而在使用者個數逐日提升再加上高密度小細胞網路的佈建下，演進數據封包核心網路(EPC)處理相關的控制層相關的流程頻率也會提升，像是一般常見的附著（Attach）、去附著（Detach）和換手（Handover）等控制層的流程，因此當使用者人數多到一定的程度後，演進數據封包核心網路處理控制層相關的程序時延遲也會提升。為了解決這種情況，我們將會利用雲端(Cloud)的架構與演進數據封包核心網路做整合，用來應對未來使用者個數上升時核心網路所會遇到的挑戰。 我們結合了Openairinterface (OAI) 和Openstack提出一個優化的架構，其架構整合OAI中的移動性管理組件(MME)和OpenStack的系統，做到負載平衡和動態擴展的功能，但是因為LTE中的基地台（Evovled Node B, eNB）和MME之間連線的網路使用了串流控制傳輸協議（Stream Control Transmission Protocol, SCTP），而在OpenStack中的負載平衡器並不支援SCTP，因此我們使用Linux Virtual Server (LVS)取代OpenStack原先的負載平衡器，解決了Openstack不支援SCTP的問題。最後我們會基於OAI和OpenStack結合的架構下，測試處理訊息的反應時間和延遲，並且藉由測試結果去制定擴展機制，以達到最佳的雲端架構。

• 學位論文

在OpenStack上使用分散式路由器設計與實作具備高可用性的異質負載均衡器架構

在OpenStack中，為了避免網路節點成為OpenStack架構的瓶頸以及Single Point of Failure，OpenStack自身提出了分散式路由器的概念，藉由把虛擬路由器分散到各個運算節點上讓大部分虛擬機的網路不再需要經過網路節點，從而有效地減少了網路節點的負擔。但是在OpenStack目前的架構中，當我們想要使用負載均衡服務時，流量卻無法透過分散式路由這個功能直接從網際網路進入服務器所在的運算節點上，而是需要先進入LBaaS Namespace所在的網路節點或是Octavia amphorae虛擬機所在的運算節點，之後才能被分流到其他運算節點上的服務器，分散式路由的功能無法有效進行作用，網路節點(或某一個運算節點)依然會成為OpenStack環境的瓶頸。為了改善前述的問題，我們參考了Octavia的概念，然後修改成使用多個基於虛擬機而成的負載均衡器，並讓這些負載均衡器同時運行在所有運算節點上，形成active-active的高可用架構，流量因此會被分流到各個負載均衡器時並透過分散式路由的功能直接由各個運算節點進出網際網路，而不在需要集中至單一節點上。在這篇論文中我們將會根據上述的想法提出一個新的負載均衡架構並實作於OpenStack之上。

• 學位論文

基於空間相似度的果蠅神經分群

在這篇論文，我們利用神經跟神經在空間上的距離當作他們的相似度，初步以region grow分群可以把神經分為114群，再對每一群依照SOMA位子去做k-means選出來415群，把左右對稱的組別合併並扣掉由k-means發現的一些SOMA的outlier以後，總共會有154群23625條神經可以呈現，最後依照空間重疊程度利用Kruskal's Algorithm可以把這154群之間的關連算出來，得到的樹狀圖可以供後續解讀之用。

• 學位論文

基於軟體檢查點的 OpenCL 計算核心先佔式執行方法

晚近，異質計算變得相當熱門。為提供一致的程式設計方式，許多用於這些加速器（例如圖形處理器、數位訊號處理器和現場可程式化閘陣列）的程式設計框架也被提出。其中， OpenCL 這個開放又免權利金的標準被業界廣泛地接受。然而大多支援 OpenCL 的加速器甚至標準本身並不支援先佔式多工。據我們所知，先前的研究所提出的方法不是可攜性不夠好，就是不能處理寫壞了的、永遠不會結束的核心程式（即執行在那些加速器上的程式）。本論文提出一個稱為 CLPKM 的框架，提供了 OpenCL 應用程式和供應商的 OpenCL 執行階段程式庫之間的抽象化層，會基於軟體檢查點的方式使得計算程式可以先佔式執行。 CLPKM 包含了用以攔截 OpenCL 應用程式介面呼叫的執行時期程式庫，一個讓核心程式能被先佔的源到源變換編譯器，和一支排程用的常駐程式。實驗顯示平均而言 CLPKM 將高優先性行程在高達 16 個行程的重度低優先性工作下的效能負擔，從 4.66 倍減少到 1.52–2.23 倍，並為低優先性行程帶來 3.02–6.08 倍的效能負擔。

• 學位論文

使用可程式化之資料層實作可適性視訊編碼之媒體感知網路元件

• 學位論文

虛擬機技術之敏感性資料洩漏偵測

敏感性資料洩漏是一個許多企業需要面對的重要議題,尤其是未授權或誤用的敏 感性資料轉會使企業失去競爭優勢和商業信用及名譽,造成嚴重的賠損。傳統的 data leakage prevention (DLP) 會由於資料經過網路封包加密而失敗,儘管當初是設計用 於偵測敏感信資料的外洩。因此,我們希望藉由採用 virtual machine introspection 來 完善 DLP 之時也同時支援普遍運用 hypervisor-based 的服務。在這篇論文內, 我們 開發了一個虛擬機內視監控系統雛型 HyperSweep。系統管理者在使用 HyperSweep 時,不需要修改虛擬機之作業系統設定且可以確保從虛擬機內部的攻擊手段無法影響 到 host machine。HyperSweep 運用結構式掃描 (structrual scanning) 以及廣泛性掃描 (comprehensive scanning) 機制,達到即時性掃描與偵測敏感性資料的外洩,並且該系 統可運行於 Xen 以及 KVM 之 hypervisor 之上。HyperSweep 可以成功藉由追蹤虛擬 機作業軟體上的 virtual memory 和 physical memory 偵測敏感性資料的洩漏來在虛擬 機的應用程式並不被加密機制影響,例如 Chrome、Firefox 等瀏覽器軟體,以及普遍 的文字編輯器或 Office 軟體,和社交軟體 Facebook 或 Chrome 的擴充軟件(LINE)。

• 學位論文

先進視訊技術之應用：多重亮度紅外線視訊及高效能視訊編碼之方塊編碼切割

此論文建立了一個先進且完整的夜間視訊監控系統。首先，以新式的多重亮度紅外線(MIIR)視訊做為視訊擷取之來源，相較於傳統紅外線攝影機只用固定亮度的紅外線輔助打光，多重亮度紅外線視訊的特殊硬體設計，讓紅外線打光器會週期性地發出不同亮度的紅外線輔助打光。如此一來，傳統紅外線視訊物體過近過曝喪失細節、過遠太暗看不清的問題，即可透過在不同亮度的畫面中找到清晰的物體來解決。由於多重亮度紅外線視訊的原始影片「一閃一閃」的特性不適合人眼直接觀看，當中畫面不清楚之冗餘部分實際上也浪費儲存空間，因此原始影片將會先分為不同亮度之「頻道」，已進行後續之處理應用。對於視訊儲存，本論文提出了四種基於高效能視訊編碼(HEVC)及其延伸版本(MV-HEVC, 3D-HEVC)的方法來壓縮原始多重亮度紅外線視訊。這些提出的方法都針對已分為頻道之視訊做特化，相較於傳統的視訊壓縮方法，大幅提升了壓縮效率。對於監控需求，本論文中提出了一針對多重亮度紅外線視訊的視訊摘要(video summary)演算法，可產生出不閃爍適合人眼觀看、無論物體遠近都清晰的摘要影片，不僅提升了整體夜間監控品質，也讓單一攝影機的監控範圍更大達到降低設影機設置數量以節省成本。而摘要後的視訊，也適合以網路串流方式來做到遠端監控。對於網路串流，本論文利用多重連接(multiple connection)技術，以及所提出之可調性方塊編碼邊界(Adaptive Tile Boundary, ATB)應用於高效能視訊編碼中之方塊編碼(Tiles)，達成一個從編碼、傳輸到解碼之全平行化串流方式，並再依據即時的網路及解碼負載狀況，提出一動態切換方法，可大幅減少因為位元率負載不平衡所造成的傳輸延遲，以及因為編碼複雜度不平衡造成的解碼速度過慢而必須為了播放順暢去捨棄解碼當前畫面的狀況。此外，本研究也針對多重亮度紅外線視訊也建立了一資料庫，當中提供了以人眼觀察標示出(i)以向素為單位的前景區域與(ii)畫面中人數，作為標定真實數據(ground truth)，做為研究所需之參考評估標準。在本研究中，針對兩項先進視訊技術：多重亮度紅外線視訊以及高效能視訊編碼之方塊編碼切割所提出的應用與改進，都是當前視訊編碼中，具有影響力的課題，實驗結果也顯示本研究提出的方法也達到了顯著的進步。

• 學位論文

生物與生醫問題之研究 － 以機器學習方法解決

本研究主題是應用機器學習的技術在生醫領域訊號分析。訊號包括影像以及穿戴式所結去的訊號。實驗顯示，不論對何種訊號，機器學習的方法均可以得到理想的結果。本研究所使用素材包括共軛焦果蠅腦神經影像，HCC原發性肝癌PET/CT影像判讀，以及穿戴式裝置訊號分析。我們選擇的是從三維的神經影像中找出神經元位置，神經元在神經中有著重要的存在意義，使用的是FlyCircuit資料庫的原始資料，成功率達86%遠勝於其他方法。在醫學影像領域上，我們輔助醫生判別肝臟癌症，使用的資料是電腦斷層攝影和正子攝影的影像，目前文獻現有的方法只有60-70%，我們成功率可達75%。我們設計使用穿戴式裝置，可以放置身上任何位置，收集各部位資訊後，利用機器學習技術判別目前動作，成功率相當高。除此之外，收集走路的步態資訊，使用機器學習技術分析步態，利用步態辨識人並且可以偵測自己的步態是否有異常。所有的實驗結果表示，機器學習的技術可以提高正確率。