以深度影像及三維樣板比對

資通信與雲端運算發展之探討

課程: 論文研討(一)
日期 : 2012/12/7
時間 : 13:50 ~ 15:30
學生 : 資傳研一 劉健興
演講者 : 中華電信總公司客服處處長 簡志誠

這次的演講主要在講這幾年來很熱門的雲端，提到有關目前對於雲端的分類，大致可以分成下列幾種；

1.公用雲：
由第三方提供給大眾或公司企業使用的雲端設施，透過租借的方式提供給客戶使用雲端服務，公用雲的好處是硬體和主機由第三方提供，所以較簡單和便宜，有擴展性，容易滿足使用者的需求，出多少錢有多少空間，所以沒有資源浪費。

2.私有雲：
雲端設施建立在防火牆內，白話來說就是個人企業或機構提供給內部使用。

3.混合雲：
至少一個私有雲加上一個公用雲，提供兩種方法：
(1)合作夥伴關係，混合雲供應商和私有雲或公共雲供應商的合作
(2)內部資源和服務的提供，使用混合雲的話可以讓企業有私有雲管理自身內部資料，又可以有公用雲提供服務

PTT報告

Easing assessment of game based learning with from 文祥 邱

User Behavior Modeling and Prediction by Mining Multiple Information Sources in Mobile Social Network Space

課程: 論文研討(一)

日期 : 2013/01/04

時間 : 13:50 ~ 15:30

學生 : 資傳研一 邱文祥

演講者 : 成功大學　曾新穆教授

關聯(Association)、分類(Classification)、叢集(Clustering)、因果(Sequencing)四大類是目前料探勘(Data Mining)是統計領域中充滿挑戰的新學門，並以社交網路社群為出發點，以用戶的訊息去了解其行為方式然後建構出一個預測的行為模式

海量資料：行動運算的最後一塊拼圖

課程: 論文研討(一)
日期 : 2012/12/28
時間 : 13:50 ~ 15:30
學生 : 資傳研一 邱文祥
演講者 : 國網中心 王耀聰

前電子產品「智慧化」已成為趨勢，因此許多資料都須經過處理之後進行預測才能達到智慧化，所以資料分析就是最後一塊拼圖，令裝置智慧化的重要步驟。

海量資料（Big Data）【稱為巨量資料或大數據】指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊 [1, 2] 。根據 IBM 的說明 [3] ，海量資料有四個特性，亦稱為海量資料 4V ，亦即資料量龐「大」（Volume）、變化飛「快」（Velocity），種類繁「雜」（Variety），以及真偽存「疑」（Veracity）。換言之，海量資料其實就是資料（Data），只是處於現在資訊網路時代，這些資料特性變的又多、又快、又雜，又真偽難分。

海量資料分析的重要性與運用這些海量資料所帶來的效益息息相關。根據 IBM 的介紹 [3] ，效益至少包括能夠更有智慧的管理、能夠更有智慧的工作、能夠提升生活品質，及能夠迎合消費者喜好。換言之，海量資料的運用創造個人與公司的價值，同時改善人類的生活。

Introduction to Distance Metric Learning

課程: 論文研討(一)

日期 : 2012/12/21

時間 : 13:50 ~ 15:30

學生 : 資傳研一 邱文祥

演講者 : 海洋大學資訊工程學系 張欽圳

資料分群（data clustering）或是分群演算法（clustering algorithms）是一種將資料分類成群的方法，其主要的目的乃在於找出資料中較相似的幾個群聚（clusters），並找出各個群聚的代表點，稱為中心點（centroids）或是原型（prototypes）。使用這些中心點來代表原先大量的資料點，就可以達到兩個基本目標：

• 降低計算量
• 資料壓縮

一般而言，分群法可以大致歸為兩大類：

• 階層式分群法（hierarchical clustering）：群數（number of clusters）可以由大變小，或是由小變大，來進群聚的合併或分裂，最後再選取最佳的群數。
• 分割式分群法（partitional clustering）：先指定群數後，再用一套疊代的數學運算法，找出最佳的分群方式以及相關的群中心。

所有的分群法都有相似的流程，大略可歸納為下列三點：

1. 收集資料
2. 使用某種方法進行分群
3. 測試分群結果
4. 檢測分群結果，如果未達預期效果，則回到步驟二，再一次進行分群

Bag of Block-Based Visual Words for Image Retrieving and Classification

課程: 論文研討(一)
日期 : 2012/11/16
時間 : 13:50 ~ 15:30
學生 : 資傳研一 劉健興
演講者 : 義守資工系 郭忠民 教授

本次的演講重點在以圖找圖的搜尋技術，著名的搜尋引擎，GOOGLE在這幾年來也有這個嶄新的搜尋方式，而不同於以往以關鍵字找圖的方式，以圖搜圖在搜尋的方法上有一些特別的技術，最基本的是分析圖片紋理來找到相似的圖形，接著再把圖片分成幾個區塊，分成巨觀(顏色分析)和微觀(物件分析)來分析圖片，以圖搜圖不管在現在還是未來都會是一個發展性高的技術，但以目前的現況還是有準確度不足的問題。

資通信與雲端運算發展之探討

課程: 論文研討(一)日期 : 2012/12/07時間 : 13:50 ~ 15:40學生 : 資傳研一  邱文祥演講者 : 中華電信總公司客服處處長 簡志誠


在我看來雲端有三種好處

（一）雲端運算架構可整併政府資訊系統，有效減少政府支出，並可減少資訊系統建置時間、降低系統性風險，並可提升便民服務的效率與品質。（二）雲端運算架構及營運模式符合節能減碳及環保趨勢，就使用綠色伺服器而言，全球一年可節省電力損耗約達 112 兆瓦，減少碳排放量超過 7 千萬公噸，臺灣 IT領域節能技術，預期可貢獻超過1/3，提升臺灣國際形象。(一) 容易和便宜，因為硬體，應用和主機的費用由供應商支付。(二) 可擴展性，以滿足需求。(三) 沒有資源浪費，因為你的付出多少錢，你就用多少空間。上述是公有雲私有雲也稱為內部雲或企業雲，是一個專有的計算架構，可提供託管服務，在防火牆後面的人數量有限。先進的虛擬化和分佈式計算允許企業網絡和數據中心管理員能夠有效地成為服務供應商，以滿足企業內部的“客戶”的需求。營銷媒體使用的話“私有雲”的設計像一個組織，他們可以得到一個第三方託管的服務，如Amazon的彈性計算雲（EC2）和簡單存儲上訴服務（S3）。混和雲混合雲是至少有一個私有雲和至少一個公共雲組成的。通常所提供的兩種方法：(一)  混合雲供應商和私有雲和公共雲供應商形成了合作夥伴關係，或與公共雲供應商形成了合作夥伴關係，它提供私有雲的平台。(二)  混合雲除了是一個組織提供和管理內部資源東西外，還有其它的外部提供的雲計算環境。例如，一個組織可能會使用公共雲服務，如Amazon簡單存儲服務（Amazon S3）存檔數據，但繼續保持在內部存儲業務的客戶數據。理想情況下，使企業能夠充分利用公共雲計算環境提供了無任務關鍵型應用程序和數據暴露給第三方漏洞的可擴展性和成本效益。這種類型的混合雲也被稱為混合的IT。

Bag of Block-Based Visual Words for Image Retrieving and Classification

課程: 論文研討(一)
日期 : 2012/11/16
時間 : 13:50 ~ 15:30
學生 : 資傳研一 邱文祥
演講者 : 義守大學資工系 郭忠民 教授

SIFT (Scale-Invariant Feature Transform)就是一種電腦視覺的演算法用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數。若找兩影像的關鍵點特徵來比對，可發現越相似的影像，關鍵點特徵符合數越多，藉此來判斷兩影像的相似度。

演講者最後所使用方法使用了bag of words，以4×4區塊分割的方式擷取影像的特徵，還加入巨觀與微觀的概念，

建立出巨觀視覺字典與微觀視覺字典，最後在利用影像檢索來驗證視覺字典。

大致上簡單的圖像看起來結果都還不錯，複雜點的就開始有失誤的情況，所以還有待研究。

寬頻真相大公開

寬頻真相大公開
課程: 論文研討(一)
日期 : 2012/10/26
時間 : 13:50 ~ 15:10
學生 : 資傳研一 邱文祥
演講者 : 中華電信數據通信分公司網際網路處 吳雲鼎

     這次的演講請來吳雲鼎先生來為我們講解寬頻上網的真相大公開,與之前的飆網速度大解密的演講內容差不多,揭示提及民眾常常抱怨上網速度太慢,與當初申裝的速度差的十萬八千里,除了本身電腦的硬體不足,作業系統為挑整等等等,還有網路提供商也會影響上網品質.

　其實網路慢並非中華電信的錯，除了我之前心得上講到的太多電腦共用網路、周邊設備效能不佳、電腦系統太舊.....等等之外，還有原因是因為願意佈建光纖網路和銅線電纜的只有中華電信一家。其相關報導可以參考以下網址，另外寬頻上網的真相也可以參考以下的圖。
http://www.businessweekly.com.tw/blog/article.php?id=1848
http://www.mobile01.com/topicdetail.php?f=507&t=2877416
http://www.ettoday.net/news/20120825/91798.htm

寬頻真相大公開

課程: 論文研討(一)

日期 : 2012/10/26
時間 : 13:50 ~ 15:30
學生 : 資傳研一 劉健興
演講者 : 中華電信數據通信分公司網際網路處 吳雲鼎

這周演講的內容主要是在講頻寬的問題，一般客戶在做測速時總會有測出速度不到廣告所講的情況，而這裡的問題就在於測速定義的Line rate和Data rate，其中Line rate有包含所謂的head和data，廣告中所標榜的網路速度就是在這裡多了head封包才會造成速度不到的問題，另外演講中還有提到一些網路速度不到做疑難排解的事情，大多的情況不外乎就是使用者家裡未開啟高效能TCP、OS內建PPPOE效能不足、透過無線AP上網、同時透過多部電腦上網、筆電未接上電源、防毒軟體掃描網路流量、舊款IP分享器交換器集線器設備等等的問題。

PPT-報告視訊中基於眉毛之眼睛追蹤與閉眼偵測

PPT-報告視訊中基於眉毛之眼睛追蹤與閉眼偵測
課程: 論文研討(一)
日期 : 2012/11/9
時間 : 13:50 ~ 15:40
學生 : 資傳研一 鐘文章
演講者 : 鐘文章

海量資料：行動運算的最後一塊拼圖

海量資料：行動運算的最後一塊拼圖

課程: 論文研討(一)

日期 : 2012/12/28

時間 : 13:50 ~ 15:30

學生 : 資傳研一 鐘文章

演講者 : 國網中心 王耀聰

心得:在這資訊發達的世代，人們一天所建立的資料量是大到讓你無法想像的，而資料的來源相當廣泛，例如文字，照片、語音等等，都算是資料的來源，而要如何能有效的處理這些龐大的資料量，則就要依賴一些雲端中心，而這些龐大的資料量又被稱作為海量資料

海量資料含括三種層面： 巨量、即時性及多樣性。 

巨量 – 海量資料的特色就在於： 龐大。 企業資料包羅萬端，很容易便達到數兆位元組，甚至千兆位元組之譜。 即時性 – 海量資料通常具有時效性，一旦串流至企業便須立即使用，方能發揮其最大價值。 多樣性 – 海量資料的範疇不僅止於結構化資料，還包含各類非結構化的資料： 諸如文字、音訊、視訊、點擊串流 (click stream)、日誌檔等等。

最後，主要誰能有效的利用這些海量資料，誰就能成為下一個比爾蓋茲。

Introduction to Distance Metric Learning

課程: 論文研討(一)

日期 : 2012/12/21

時間 : 13:50 ~ 15:30

學生 : 資傳研一 鐘文章

演講者 : 海洋大學資訊工程學系 張欽圳

心得:

這次演講主要是讓我們了解一些分類的演算法，利用距離的方式，去判斷彼此間的相似程度或相關性，假設兩之間距離愈小，則表示這兩者可能有較高的相似程度，反之則表示較無相關性或相似度，主要常見的方法有歐氏距離、曼哈頓距離與馬氏距離等。

而我們一般較常使用的則有KNN、SVM或RBF這幾個演算法，但這些主要也都是由距離作為依據，因此在未來的研究方法中，假如要使用到分類，可以將這些方法做為參考，選出一個較適合自己研究的分類法做為分類技術。

資通信與雲端運算發展之探討

資通信與雲端運算發展之探討

課程: 論文研討(一)
日期 : 2012/12/7
時間 : 13:50 ~ 15:30
學生 : 資傳研一 鐘文章
演講者 : 中華電信總公司客服處處長 簡志誠

心得:

一開始看到資通訊時，沒有辦法馬上知道是什麼東西，後來才知道是資訊科技與通訊科技的合稱，變成資通訊(Information and Communication Technology，ICT)。

　　資訊科技我們可以說是電腦，通訊科技可以說是電話，兩者結合就是利用電腦上的資訊系統進行溝通。現在人們離不開電腦，大部分時間可能都在收發 mail 或在電腦上做其他事情，而在公司中要連繫一個大家都能到的開會時間，卻是個很困難的事情。利用 ICT工具服務就可以降低這些溝通上所花的時間。

　而雲端服務其時一直存在這，只是一直沒有被人們注意，到最近幾年才被受關注。雲端運算是一種基於網際網路的運算方式，透過這種方式，共享的軟硬體資源和訊息可以按需提供給電腦和其他裝置。雲端運算包括以下幾個

層次的服務：基礎設施服務（IaaS）、平台服務（PaaS）、 軟體服務（SaaS）

又有下列四種部屬類型： 公用雲（Public Cloud）、  私有雲（Private Cloud）、社群雲（Community Cloud）、混合雲（Hybrid Cloud）

參考來源：
http://zh.wikipedia.org/wiki/%E9%9B%B2%E7%AB%AF%E9%81%8B%E7%AE%97

http://blog.schee.info/2012/02/05/npo-ict/

Bag of Block-Based Visual Words for Image Retrieving and Classification

課程: 論文研討(一)

日期 : 2012/11/16

時間 : 13:50 ~ 15:30

學生 : 資傳研一 鐘文章

演講者 : 義守資工系 郭忠民 教授

心得:

        一開始郭教授先大略的介紹義守大學附近的環境跟他們學校的特色，讓我大概知道義守大學的資訊，然後就開始講他今天的主題，主要內容是以圖片為主，以往我想要搜尋圖片，但又不知道該如何下關鍵字，因此他想了一個技術，利用圖搜圖的方法，因該會讓我們在找圖片時，更加的方便且精準，主要有繳到的技術是SIFT(Scale-invariant feature transform )，這是一種電腦視覺的演算法，用來偵測與描述影像中局部的特徵。

     最後，他們有自己想出一個更好的方法，是以許多區塊來擷取影像內較具代表性的特徵，作為分析的判斷，他們也證明了這個方法比SIFT的方法來的好，在搜尋時，可找到不同類型的照片，雖然他們在實驗結果上，仍會有找到一些不相關的圖，這也是他們正在想改進的部分。

User Behavior Modeling and Prediction by Mining Multiple Information Sources in Mobile Social Network Space

課程: 論文研討(一)

日期 : 2013/01/04

時間 : 13:50 ~ 15:30

學生 : 資傳研一 林智偉

演講者 : 成功大學　曾新穆教授

心得:

    這次演講是以社交網路為基礎並利用資料探勘(data mining)來了解使用者的行為，而資料探勘(data mining)又譯為數據挖掘、資料採礦。它是資料庫知識發現（英語：Knowledge-Discovery in Databases，簡稱：KDD)中的一個步驟。

    資料探勘一般是指從大量的資料中自動搜尋隱藏於其中的有著特殊關聯性（屬於Association rule learning）的訊息的過程。資料挖掘通常與電腦科學有關，並通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。；儘管通常資料挖掘應用於資料分析，但是像人工智慧一樣，它也是一個具有豐富含義的詞彙，可用於不同的領域。 它與KDD的關聯是：KDD是從資料中辨別有效的、新穎的、潛在有用的、最終可理解的模式的過程；而資料探勘是KDD透過特定的演算法在可接受的計算效率限制內生成特定模式的一個步驟。 事實上，在現今的文獻中，這兩個術語經常不加區分的使用。

data minig 示意圖

方法:

    資料探勘的方法（Strategy）包括監督式學習(supervised learning)、非監督式學習(unsupervised learning)、關聯分組（Affinity Grouping，作關聯性的分析）與購物籃分析（Market Basket Analysis）、聚類（Clustering）與描述（Description）。監督式學習包括：分類（Classification）、估計（Estimation）、預測（Prediction）。

例子:

    資料探勘在零售行業中的應用：零售公司跟蹤客戶的購買情況，發現某個客戶購買了大量的真絲襯衣，這時資料挖掘系統就在此客戶和真絲襯衣之間建立關聯。銷售部門就會看到此訊息，直接發送真絲襯衣的當前行情，以及所有關於真絲襯衫的資料發給該客戶。這樣零售商店通過資料挖掘系統就發現了以前未知的關於客戶的新訊息，並且擴大經營範圍。

資料挖泥:

    通常作為與資料倉庫和分析相關的技術，資料挖掘處於它們的中間。然而，有時還會出現十分可笑的應用，例如發掘出不存在但看起來振奮人心的模式（特別的因果關係），這些根本不相關的、甚至引人誤入歧途的、或是毫無價值的關聯，在統計學文獻裡通常被戲稱為「資料挖泥」（Data dredging, data fishing, or data snooping）。

資料挖掘意味著掃瞄可能存在任何關係的資料，然後篩選出符合的模式，（這也叫作「過度匹配模式」）。大量的數據集中總會有碰巧或特定的資料，有著「令人振奮的關係」。因此，一些結論看上去十分令人懷疑。儘管如此，一些探索性資料分析 還是需要應用統計分析尋找資料，所以好的統計方法和數據資料的界限並不是很清晰。

更危險是出現根本不存在的關聯性。投資分析家似乎最容易犯這種錯誤。在一本叫做《顧客的遊艇在哪裡？》的書中寫道：「總是有相當數量的可憐人，忙於從上千次的賭輪盤的輪子上尋找可能的重複模式。十分不幸的是，他們通常會找到。」多數的資料挖掘研究都關注於發現大量的資料集中，一個高度詳細的模式。在《大忙人的資料挖掘》一書中， 西弗吉尼亞大學和不列顛哥倫比亞大學研究者討論了一個交替模式，用來發現一個資料集當中兩個元素的最小區別，它的目標是發現一個更簡單的模式來描述相關數據。

    經過演講者的介紹data mining後，更了解到資料探勘的強大與重要性，並且能運用在不同的領域中，讓人印象深刻。

自動光學檢測技術與職場經驗分享

課程：論文研討（一）

日期：2012/10/19

時間：14:00-15:30

地點：S104

講者：宏瀨科技 詹方興

主題：自動光學檢測技術與職場經驗分享

作者：資傳研一  邱文祥

自動光學檢測技術就是AOI(Automatic Optic Inspection)。是基於光學原理來檢測LCD、晶體管、PCB工業製程中產品是否存在瑕疵的，由電腦控制的自動化系統。

自動光學檢測技術(Automatic Optical Inspection)，AOI是以非接觸的方式，自動擷取影像，自動進行分析，以抽取控制一個程序或機器所需的資料，講師還有解釋那為什麼要AOI呢？簡單來說就是取代目視找出缺點進而提升製程良率，目前LCD與PCB產業的檢測急待克服的問題有─人工視覺缺乏效率及重現性、高科技產品檢驗已超越人眼極限及生產快速急需自動化檢測，所以需要AOI，以下為使用AOI的幾個理由：

  
Ø效率高
       
Ø具重現性

Ø解析度高

   
Ø非破壞性

Ø速度快

下列為講師在顯微鏡下發現的異物

BM Remain Particle

ITO Particle

金屬 Particle

PTT報告-結合全域及區域運動資訊的動態全景影像建立

User Behavior Modeling and Prediction by Mining Multiple Information Sources in Mobile Social Network Space

課程: 論文研討(一)
日期 : 2013/01/04
時間 : 13:50 ~ 15:30
學生 : 資傳研一 辛彥德
演講者 : 成功大學　曾新穆教授

次演講是介紹在社交網路中利用資料探勘來了解使用者的行為，以此進行下一步處理動作。而資料探勘(Data Mining)是統計領域中充滿挑戰的新學門，在電子記錄龐大存檔資料中採掘有用訊息，取代不少傳統資訊蒐集方式；資料探勘主要的技術有關聯(Association)、分類(Classification)、叢集(Clustering)、因果(Sequencing)四大類。關聯法則分析即是在交易商品間找出相互關係。分類的技術為一種監督式的學習，即其訓練資料的類別為事先已知。叢集技術則為非監督式學習，其能在未知分類類別的情形下將資料自動分類分群，主要有階層式及分隔式兩種方法。