課程：論文研討(二)
學生：資傳研一 劉孝皇
報告：

無題

課程: 論文研討(二)

日期 : 2013/05/10

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 皮托科技公司總經理　陳貞卿

心得：

演講者分享了許多就業經驗：1.自信與實力是必備，別因學歷與學校而失去信心，有實力才能在錄取後完成工作。2.丟掉夥計心態，用老闆角度思考，升遷機會較高。3.除了專業之外，做人也很重要。4.在學校期間，多加利用學校資源學習更多專長、了解不同領域的同學的研究等。
另外也還有看到3D模型印表機，看起來比一般模型輕很多，而主要的原因是因為裡面為中空。只要路徑規劃得宜，就可以做出中空的模型來節省成本。私下詢問得知，如果把一個相同實心模型的材料拿去做空心的，大概能做出10倍以上的量，而且時間也不用花很久就能製作好(相對於傳統而言)，感覺相當不錯。

雲端運算安全的挑戰與機會

課程: 論文研討(二)

日期 : 2013/05/03

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 : 優弧資訊公司總經理　呂沐錡博士

心得：

因為雲端的興起，讓許多人都開始紛紛使用，而雲端平台有著高存取性，高可用性，高容錯性以及彈性的資源分配和擴展等優點。但並無普遍被使用的原因在於安全性，雲端運算不只有傳統攻擊問題，還有因為虛擬化與多租戶共享資源所產生的新型攻擊。而且資訊的集中化將使雲端服務商成為被攻擊的目標，不僅可能會造成惡意入侵行為，也會產生由伺服器端洩漏隱私資訊的風險疑慮。
另外CSA亦提出雲端運算所遭遇的七大安全威脅：1.濫用或誤用雲端計算進行非法行為 2.不安全的介面與APIs 3.惡意的內部人員 4.資料遺失或外洩 5.共享環境造成的議題 6.帳號或服務被竊取 7.”未知”的風險架構。

使用雲端運算服務會使機敏資料外洩的風險大幅升高，而且還須考量資料存取、虛擬環境安全、資安監控與隱私權等各種安全議題，要有效地解決這些問題才能使得雲端運算普及化。

Exploring Visual Saliency for Image Segmentation and Object Detection

課程: 論文研討(二)

日期 : 2013/04/26

時間 : 13:50 ~ 15:30

學生 : 資傳研一 劉孝皇

演講者 :中央研究院  劉庭祿研究員

心得：

首先簡介Graph Cut，這是一種能夠將前景及背景分開的方法。一般圖都會有點，而點和點之間有線，每條線可以賦予權重值，而Graph Cut的圖還會再賦予兩個點S(Source)和T(Sink)，圖上的每個點將會依照最小分割原理被分成兩組(S和T)。也就是說：兩點之間的變化愈大＝相似程度愈小＝損失函數E(A) 愈小，也就能夠依照最小切割原理將此兩點之間的線切斷，這樣就可分出前景及背景。

利用眼球追蹤觀察使用者關注在哪些區域(Visual Saliency)以產生Saliency map，並在影像上框出多個Windows計算是否存在Saliency object，最後利用Graph cut將影像前景與背景分割。此研究可利用多張影像讓電腦自動判斷進行分割(fully unsupervised)，將影像oversegment分成300~400個superpixel (decompose image)，使用Energy functiony再比較任兩張影像的前景是否相似，以此達到自動分割之目的。

Visual Saliency for Image Segmentation and Object Detection

課程: 論文研討(四)

日期 : 2013/04/26

時間 : 13:50 ~ 15:30

學生 : 資傳研二 劉浩瑋

演講者 :中央研究院  劉庭祿研究員

Graph cuts是一種能量優化算法

在計算機視覺領域普遍應用於
1. Image segmentation

2. stereo vision

3. Image matting

Graph Cuts理論最早是出現在流網絡優化領域的

此時的Graph Cuts算法是用來確定網絡流量的最小分割

即尋找一個容量最小的邊的集合

去掉這個集合中的所有邊就可以阻擋這個網絡了

在近幾年圖學概念被用在影像上

使得影像可被建成無向圖的形式

於是graph cut被用來解決電腦視覺、圖像處理以及機器學習(Machine Learning)的問題

其中的問題包括影像分割、影像分類以及影像合成

因此我們可以使用Graph cuts來將物件和背景作切割、過濾出物件

供後續使用之視覺著重點做分析研究