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]

   
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