多期多尺度影像結合深度學習於邊坡地貌變異判識之初探(2/2)-影像處理方法及公路邊坡影像類型適用性探討[113藍]
![多期多尺度影像結合深度學習於邊坡地貌變異判識之初探(2/2)-影像處理方法及公路邊坡影像類型適用性探討[113藍]](https://cdn.kingstone.com.tw/book/images/product/20155/2015570132578/2015570132578b.jpg?Q=40f5d "多期多尺度影像結合深度學習於邊坡地貌變異判識之初探(2/2)-影像處理方法及公路邊坡影像類型適用性探討[113藍]")
活動訊息
想找書的時候，特別想偷看網友的書櫃... 原來大家都在看這本 ↓↓↓
內容簡介
交通部112年度施政計畫重點項目之一為「強化智慧應用，提升運輸效率」，提出應加強結合5G、AI等新興科技應用，實現智慧交通數位轉型；2020年版運輸政策白皮書提出「應用AI、UAV及遙測技術於鐵公路巡檢或監測」為重點之行動方案。本計畫為2年期計畫之第2年期，主要研究成果計有：(1)蒐集相關文獻並探討深度學習應用於邊坡地貌變異判識之方法與可行性；(2)分析多尺度之衛星、航測、UAV…等遙測載具及空拍影像處理方法；(3)訪談實務應用單位瞭解公路邊坡維管制度及需求性；(4)說明深度學習神經網路模型對於邊坡地貌判識任務之適用性。成果效益：本計畫探討應用AI技術結合多時期、多尺度(衛星、航測、UAV…等)之邊坡監測影像進行邊坡地貌變異判識之可行性，並希冀藉由新興科技及技術之探討，於未來能達成地貌判識、裸露塌地範圍自動圈選及土方量體判定等效用，以利公路邊坡管理單位之日常巡查作業及災後復原工作更加便捷快速。提供政府單位應用情形：研究成果提供公路總局、高速公路局於公路邊坡管理及災防之應用，以及本所人工智慧技術研發相關研究後續探討與應用。
目錄
中文摘要 I
英文摘要 II
目錄 III
圖目錄 VII
表目錄 XI
第一章 緒論 1-1
1.1 研究動機 1-1
1.2 研究目的 1-1
1.3 研究內容及工作項目 1-2
1.4 研究流程 1-3
第二章 文獻回顧 2-1
2.1 國外文獻 2-1
2.2 國內文獻 2-10
2.3 小結 2-13
第三章 公路邊坡維管機制及空拍影像適用性說明 3-1
3.1 邊坡定義及破壞類型 3-1
3.2 公路邊坡維護管理制度介紹 3-6
3.3 邊坡災害之空拍地貌特徵說明 3-20
3.4 遙測影像適用性說明 3-25
第四章 遙測載具及空拍影像處理技術 4-1
4.1 遙測載具 4-1
4.2 影像處理 4-8
4.2.1 解析度 4-8
4.2.2 色彩 4-10
4.2.3 幾何校正 4-13
4.2.4 大氣校正 4-13
4.2.5 特徵提取 4-15
4.3 目標偵測與分類 4-23
4.4 邊坡地貌判識影像蒐集與處理流程預劃 4-26
第五章 深度學習影像辨識模型研析 5-1
5.1 神經網路(Neural Network) 5-1
5.2 深度神經網路(Deep Neural Network，DNN) 5-5
5.3 卷積神經網路 5-6
5.4 基於區域的卷積神經網路(Region-based Convolutional Neural Networks，R-CNN) 5-9
5.5 YOLO 5-11
5.6 深度學習框架 5-12
5.7 小結 5-13
第六章 結論與建議 6-1
6.1 結論 6-1
6.2 建議 6-4
6.3 成果效益與應用 6-4
6.4 提供政府單位應用情形 6-4
參考文獻 參-1
附錄一 專家學者及實務單位訪談紀錄. 附1-1
附錄二 專家學者座談會會議紀錄. 附2-1
附錄三 第1次工作會議紀要. 附3-1
附錄四 第2次工作會議紀要. 附4-1
附錄五 第3次工作會議紀要. 附5-1
附錄六 期末報告審查委員意見處理情形表. 附6-1
附錄七 期末報告簡報資料. 附7-1
英文摘要 II
目錄 III
圖目錄 VII
表目錄 XI
第一章 緒論 1-1
1.1 研究動機 1-1
1.2 研究目的 1-1
1.3 研究內容及工作項目 1-2
1.4 研究流程 1-3
第二章 文獻回顧 2-1
2.1 國外文獻 2-1
2.2 國內文獻 2-10
2.3 小結 2-13
第三章 公路邊坡維管機制及空拍影像適用性說明 3-1
3.1 邊坡定義及破壞類型 3-1
3.2 公路邊坡維護管理制度介紹 3-6
3.3 邊坡災害之空拍地貌特徵說明 3-20
3.4 遙測影像適用性說明 3-25
第四章 遙測載具及空拍影像處理技術 4-1
4.1 遙測載具 4-1
4.2 影像處理 4-8
4.2.1 解析度 4-8
4.2.2 色彩 4-10
4.2.3 幾何校正 4-13
4.2.4 大氣校正 4-13
4.2.5 特徵提取 4-15
4.3 目標偵測與分類 4-23
4.4 邊坡地貌判識影像蒐集與處理流程預劃 4-26
第五章 深度學習影像辨識模型研析 5-1
5.1 神經網路(Neural Network) 5-1
5.2 深度神經網路(Deep Neural Network，DNN) 5-5
5.3 卷積神經網路 5-6
5.4 基於區域的卷積神經網路(Region-based Convolutional Neural Networks，R-CNN) 5-9
5.5 YOLO 5-11
5.6 深度學習框架 5-12
5.7 小結 5-13
第六章 結論與建議 6-1
6.1 結論 6-1
6.2 建議 6-4
6.3 成果效益與應用 6-4
6.4 提供政府單位應用情形 6-4
參考文獻 參-1
附錄一 專家學者及實務單位訪談紀錄. 附1-1
附錄二 專家學者座談會會議紀錄. 附2-1
附錄三 第1次工作會議紀要. 附3-1
附錄四 第2次工作會議紀要. 附4-1
附錄五 第3次工作會議紀要. 附5-1
附錄六 期末報告審查委員意見處理情形表. 附6-1
附錄七 期末報告簡報資料. 附7-1
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價