Browsing by Author "陳俊彥"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    整合全局場景與局部注意的自監督多標籤分類
    (2023) 陳俊彥; Chen, Chun-Yen
    自監督學習在各種計算機視覺任務中取得了顯著的成果，證明了其在廣泛應用中的有效性。然而，儘管取得了這些成功，針對多標籤分類的挑戰的研究工作仍相對有限。該領域尚待深入探討，需要進一步研究以充分利用自監督學習技術進行多標籤分類任務。在這篇論文中，我們提出了一個適用於自監督多標籤分類的多層次表徵學習（GOLANG）框架，同時捕捉圖像的場景和物件資訊。我們的方法結合了全局場景和局部對齊，以捕捉圖像中不同層次的語義信息。框架的全局模組通過對輸出特徵進行平均池化來學習整個圖像，而局部對齊模組通過學習關注來消除與對象無關的干擾。通過整合兩個模組，我們的模型能從影像中有效地學習各種層次的語義信息。為了進一步提高模型提取物件-場景關係的能力，我們引入了全局和局部交換預測技術，有效捕捉圖像中各種物件和場景之間的複雜關係。GOLANG框架在自監督多標籤分類的實驗上展示了優秀的性能，凸顯了其在在多標籤影像中捕捉多個物件和場景之間錯綜複雜關係的有效性。
  • No Thumbnail Available
    Item
    社群媒體上之訊息貼文績效評估-以某 Facebook 旅遊社團及粉絲專頁為例
    (2021) 陳俊彥; Chen, Chun-Yen
    旅遊部落客經營者經常使用 Facebook 社團或粉絲專頁面發佈訊息貼文內容，以吸 引更多粉絲參加社團之活動。目前很􏰃有研究利用開發效率評估模型來評估旅遊部落 客所經營之 Facebook 訊息貼文。本研究建立旅遊粉絲專頁及旅遊社團-Facebook 上之訊 息貼文的效率評估模型;根據效率值和客戶關注數當作雙軸來區分四個象限;利用資 料包絡分析 (Data Envelopment Analysis, DEA) 模型，建議針對效率不佳的訊息貼文進 行改善。本研究運用推敲可能性模型 (Elaboration likelihood model, ELM)，以評估訊息 貼文整理套用在 DEA 模型的測量。引用波士頓管理諮詢顧問公司 (Boston Consulting Group, BCG) 分析矩陣之方法，利用效率值與客戶關注數為兩軸，根據文獻和專家意見 選擇兩個輸入 (文字內容長度和圖片數量多寡) 和六個輸出 (觸及數、貼文互動次數、心 情數、留言數、分享數、其他點擊數) 去製作四象限分析法 (高效率–高客戶關注度∕高 效率–低客戶關注度∕低效率–高客戶關注度∕低效率–低客戶關注度)。研究者利用 FB 後臺數據資料共 234 筆，最後根據 BCG 矩陣特性給出各個訊息貼文項目之相對作法， 位於高效率–高顧客關注數之象限之項目:建議繼續保持;位於高效率–低顧客關注數 之象限之項目:增加消費者關注;位於低效率–高顧客關注數之象限之項目:提升訊息 貼文效率;位於低效率–低顧客關注數之象限之項目:取消訊息貼文推廣。