電子發票

課程: 論文研討

班級: 資工研一

日期: 100年11月4日

地點: AA701

講師: 財政部國稅局盧志山高級分析師

講題: 電子發票智慧好生活-雲端應用

報告: 李瑀祺00366084

今天的演講，盧高分析師提醒了我們，身為資訊出身的背景，不應該只在乎系統，共重要的是使用系統的對象。系統要能廣為大家使用，必須是主動、分眾、且全程服務的。如果系統是被動的，就不是在服務民眾，而是加重民眾負擔。例如使用者必須依照規定好的表格、表單，附上該有的說明文件，只要一項漏了，就無法通過，且全部重來。這樣至是僵化的規定就不是主動邀請使用者，而是變相造成使用者負擔；所以系統必須是主動，並牽起所有週邊，讓人民感到便利性，改變人民對這塊雲的思維與行為，邁向使用目的。 分眾用意在於使用習慣，有的人習慣用卡片，有的人習慣紙本，有的人喜歡透過QR碼等平台接觸；對獎也有分個人保留，捐給慈善團體，報帳用等。系統必須開發多元的管道，讓民眾使用這塊雲，達成使用普及的成效。 全程服務用意在於公開、清楚流向為何。當交易成功時，一筆資料及成為過去式，然而這也是證據。資料要用來報帳，也建構在雲上，使資訊公開化，避免逃漏稅、浮報；而捐贈也有正當性，使得不用耗費人力成本在紙本上核對，或擔心造假。 電子發票的原意就是不要多砍樹，再來是整併系統，達到節省人力成本的目標，最終是服務人民，讓這塊雲帶動發展，改變思維。

電子發票儲值卡出爐，結合電子紙可顯示金額

雖然轉型有過度期，但對社會環境是好的，期許電子發票能成功運作!

http://www.ithome.com.tw/itadm/article.php?c=65203

Computer Vision Technique for 3DTV

課程: 論文研討

班級: 資工研一

日期: 100年10月28日

地點: S516

講師: 清華大學資工系副系主任 賴尚宏教授

講題: Computer Vision Technique for 3DTV

報告: 李瑀祺00366084

現今的3DTV還未普及，主因是觀賞時還需配戴stereoscopic眼鏡才能看，需要進一步要提升成auto stereoscopic裸眼方式，才能普遍接受。在分析圖像時，需要深度資訊，可由kinect的red sensor提供，並對每個pixel的深度轉為depth map。如何修正視差dispairity，就在於用兩支攝影機模擬人的兩眼，並對圖區分成local資訊的SAD(sum of absolute difference)，SSD(sum of square difference)與global資訊的HBP(hierarchical belief propagation)下去做計算。

其中HBP利用homogeneous找鄰近區的資訊來決定能量。但過程中面臨的問題有室外過於複雜，深度值準確度可能降低；及天空自成一片必須將深度設為無限大，才不至於錯誤。破碎的部分則是去猜遮蔽區利用structure from motion與時間軸，找出現過的資訊加以填補。

http://www.3d-forums.com/

Image Video Segmentation and Annotation by Social Media Analysis

課程: 論文研討

班級: 資工研一

日期: 100年10月14日

地點: S516

講師: 中正大學資訊工程系朱威達教授

講題: Image Video Segmentation and Annotation by Social Media Analysis

報告: 李瑀祺00366084

使用影片找圖片，使用圖片找影片，原來出去旅遊的精采片段都可以分段成主題，把同個景點規在同一類，在旅程結束後整理才不至於無法回憶。但照相也有無法控制的時候，因此將雜亂、模糊、無結構的資料去除後才能有更好的效果。過程中使用global k-mean演算法揀選出適量的組別，再選出組中的keyframes。這個系統很特別的創造出Visual Word，類似牙牙學語實的字卡來幫助辨識，標明照片所屬主題。

接著是影片分段，使用SIFT特徵點來選keyframe，之後將之分成兩組global用visual word；local用feature point代表，計算相關度除以keyframe得到精確度來衡量。

在Google、Yahoo、Flickr等媒體搜尋平台，主要利用SIFT特徵點去判定圖片相符程度。另外Youtube的annotation tag也與visual word有異曲同工之妙。整體來說利用media correlation的關係去解決照片、影片的分段、以圖找圖，以代表文字找影片是其中的精神所在。

Feature Description and Retrieval for Human Motion Capture Data

課程: 論文研討

班級: 資工研一

日期: 100年9月30日

地點: S516

講師: 義守大學資工系系主任 杜維昌 教授

講題: Feature Description and Retrieval for Human Motion Capture Data

報告: 李瑀祺00366084

一開始就以阿凡達破題今天的運動捕捉，在電影方面應用廣泛的技術。而今日主題在是要對一影片分割不同動作，使用split、merge、hybrid方法。Hybrid結合了Split和merge主要是將影片top-down分段後做標記，在bottom-up回去找最長子片段。這些過程還牽涉到平面、空間等高維度問題，必須加上index予以識別，來做後續分段動作。準確度方面則運用similarity matrix去判斷，走路、跑步、等動作相似度高，才能準確分割出來。

最近特徵空間轉換法之人臉辨識技術

課程:論文研討

班級:資工研一

日期:100年9月23日

演講者:韓欽銓教授

姓名:李瑀祺

學號:00366084

　　這次的演講是人臉辨識，是個熱門又有點歷史的題目，其中韓教授提到做研究的歷程，也就是把別人的論文實作，再從中找出疑問，或產生想法；然後根據疑問去改善，或將想法進而實做。如此不斷地吸收論文，才能擁有強而有力的知識背景，有了知識做打底，再將以統整之後，就容易發現論文與論文間的關連，和他們想解決的問題、中心目標、如何優化等核心概念。下一步最重要的就是提出更佳的方法，並證明，達到研究的目的。我想這也是勉勵我們研究時應有的態度，要有耐心的讀懂論文，才能集思廣益。

　　韓教授一開始就引導我們往簡單的方向，例如我們小學就會算的平面上兩點距離，到比較難的空間上距離，都還能理解，而推廣到高維度也是一樣的道理。在電腦的世界裡，能做加減乘除，也就是算點到點的距離，來表示他們的差異值。經過黃世育老師解釋後，才了解他的意思是若圖的pixel值能定義一點，假設有一圖兩個pixel能用二維表示，另一圖三pixel能用三維表示，那麼一圖n個pixel就能用n維表示；如此一來就能找到他們的線性組合，並移動補間圖與圖之間的變化型，那麼給一張圖就能從最短距離求得，故名最近特徵空間，而完成人臉變識。

　　如此高維的計算結果相當出色，但時間上要跑兩三天，仍是實際應用時要克服的難題。之後是否有如此漂亮結果，又能縮短時間的方法呢? 研究之路還有好長一段要走吧。

Fractal Analysis and Medical Image Applications

課 程 : 論文研討
班 級 : 資工研一
日 期 : 100年 9月16日
演講者 : 黃博惠院長
題 目 : Fractal Analysis and Medical Image Applications
姓 名 : 李瑀祺
學 號 : 00366084

這是我第一次接觸碎形，所以根本不知道其中的原理，以為是萬花筒的變形或是用一些鏡射、扭曲，達到的效果，但經由院長一步一步的介紹，總算對碎形有點了解。

碎形，類似迴圈的概念，是一種自我相似的無窮結構，處理不規則又複雜的圖型，這些特殊的圖形，是歐幾里得幾何學無法說明的，例子如寇赫曲線，他並非一條真正的曲線，因為線的維度是1，但寇鶴曲線的維度是介於1與2之間，約1.2618 (D=log4/log3)；康托集的維度0.6309 (D=log2/log3)介於點0與線1之間。

動機是想讓電腦自動判斷，讓醫療人員握有精確的參考依據，同時又能客觀提供數據。實作方面就由其紋理中的亮度、亂度來決定，經過四階段後取得數值並餵入分類器以適當策略(leave one out, k-fold cross-validation)去訓練、測試。得出的結果，可以用較少的紋理特徵，卻又辨識率高，相較於其他方法能贏得漂亮成績。

最後提問的部分，有解釋說成功95%的原因，在於分級的界線；另外還提到攝護腺癌使用碎形分析成效較好，但肝癌判斷有形狀主導，碎形並不適用。這場演講收穫良多，是研究與應用的結合，幫助我們在研究時，多多思考其應用與出處。

2011.0909簽到

資工研一 李瑀祺 00366084