學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73898

Browse

Subject: search.filters.subject.Convolutional Neural Network

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    深度學習融入有價證券之微結構真偽辨識-以振興三倍券為例
    (2021) 邱曉昱; Chiu, Hsiao-Yu
    身處在充滿人工智慧結晶的時代，我們視科技為理所當然，並享受著其帶來的便利與生活品質，然而在這項技術逐漸嶄露頭角之際，各類威脅也倚靠著科技滋長茁壯。政府2020年為復甦經濟所發放之「振興三倍券」於使用期限內曾傳出偽造事件，為了能精準判別整張有價證券真偽，本研究主旨為使用深度學習CNN (Convolutional Neural Network )，有效且快速辨別真偽振興三倍券微結構取樣影像組合，進而依此推測判別出整張紙券真偽，同時以減少訓練樣本數達到高辨識率為目標，取得最佳學習尺寸組合，最後歸類分析錯誤辨識微結構印刷類型並於原券定位，為此次研究目的。首先將面額200元及500元之紙本振興三倍券掃描定義為掃描真券；與之複印後再次掃描為模擬偽券，後以尺寸32×32、64×64、96×96及128×128 pixels進行隨機局部不完全重複取樣，建立訓練及測試影像資料集，分組後個別輸入CNN模型訓練測試，得出辨識正確率與錯誤辨識影像於原券上之分佈。實驗結果顯示，依照各組辨識正確率之比例及趨勢可成功推測判別整張振興三倍券真偽，且印證研究使用之CNN模型不需學習全尺寸之局部影像組合，僅訓練最大及最小尺寸之影像資料集，即可達到預期之顯著辨識成效；至於透過錯誤辨識分佈的統整，發現無論掃描真券或模擬偽券的局部取樣，所辨識的錯誤特徵皆有較高的比例集中於鈔券的凹版印刷處。本研究提出一個不需藉由專業人士判斷有價證券影像，基於CNN模型即可有效辨別鈔券局部微結構真偽的方法，並以此實驗結果為基礎，未來可結合手機拍攝取樣，推測於拍攝指定距離範圍內之鈔券影像可精確判讀，達到更加便民與實用之效果。綜合上述，此研究不論是在產業界抑或是學術界皆具有一定程度之應用價值。
  • No Thumbnail Available
    Item
    運用資料探勘於自動化色彩語意分析之研究
    (2019) 陳佳安; Chen, Chia-An
    電腦科技與資料科學的發展，促使色彩分析方式產生轉變，運用機器學習理論解讀色彩語意。透過跨領域技術整合，將色彩語意分析與實務應用引入更有效率、更低成本的分析方法，為本研究最具價值之處。本研究提出一個全新的色彩語意分析方法，配合網路大數據、卷積神經網路以及改良式中位切割演算法等資料探勘方式，分析詞彙的色彩意象，得出詞彙具體的對應RGB值；再依據調和配色理論，自動產出配色組合。最後透過問卷調查，評估色彩語意分析方法實際應用的可行性。 研究結果顯示，本研究提出之色彩語意分析方法，符合過去文獻與問卷調查之結果，並能找到詞彙對應之色彩趨勢，可省卻心理實驗的時間與人力成本，並且更有彈性。透過將調和配色理論數值化定義，產出之兩組配色應用設計（相似配色、補色配色），不僅能在短時間內產出大量色彩組合，且相較於人們依照直覺的配色，此方法更為客觀。將兩組配色應用設計之色彩組合與配色網站Adobe CC使用者配色比較詞彙之間的符合程度，其中一組符合程度稍差，另一組符合程度則與使用者提出的色彩組合相近，顯示此配色方法雖尚不及人為的配色操作，但仍具有極大發展與進步空間。