數位影像定義的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

AI時代，設計力的剩餘價值：對象×流程×應用×能力塑造，人工智慧浪潮下的設計師生存攻略

為了解決數位影像定義的問題，作者薛志榮 這樣論述：

AI歷史×深度學習×互動設計×技術運用×未來發展 人總有疲累、犯錯的時候，但是AI永遠乖巧聽話； 你說AI不懂創意，只能做死板的工作？ 隨著科技發展，AI人性化程度也愈來愈高， 再不懂得提升自己，最後只能被人工智慧所淘汰！ 跨界設計師甘苦談，讓前輩把經驗向你娓娓道來！ 　　【人工智慧在紅什麼？】 　　．AI的誕生 　　1956年8月，在達特茅斯學院舉行的一次會議上，來自不同領域（數學、心理學、工程學、經濟學和政治學）的科學家一起討論如何利用機器來模仿人類學習以及其他方面的智慧，「人工智慧」正式被確立為研究學科。 　　．人機互動的發展歷程 　　60年前，人工智慧和人機互動就像藍綠一樣是

勢如水火的兩大陣營？ 　　明斯基：「我們要讓機器變得智慧，我們要讓它們擁有意識。」 　　恩格爾巴特：「你要為機器做這些事？那你又打算為人類做些什麼呢？」 　　．機器學習和深度學習 　　機器學習是一門涉及統計學、神經網路、優化理論、電腦科學、腦科學等多個領域的交叉學科，它主要研究電腦如何模擬或者實現人類的學習行為，以便獲取新的知識或技能，細分為：監督學習、非監督學習、半監督學習、強化學習。深度學習是機器學習下面的一條分支， AlphaGo正是採用了深度學習算法擊敗了人類世界冠軍，並促進了AI其他領域（如自然語言和機器視覺）的發展。   　　【人工智慧如何影響設計？】 　　．從圖片到影像，Ado

be Sensei平臺幫助設計師解決在媒體素材創意過程中面臨的一系列問題，並將重複工作變得自動化。 　　．看動畫總覺得某些場景崩壞？自動描線的技術能夠自動辨識圖像，並確定圖像的具體輪廓，進而完成描線的工作，大大減輕畫師的負擔。 　　．圖文內容的排版涉及大量的專業知識，包括視覺傳達、色彩與美學、幾何構圖等， Duplo透過模組化和網格系統快速把內容放入尺寸各異的幾千種頁面中，解決不同螢幕尺寸下的圖文排版問題。 　　【AI衝擊！設計師該何去何從？】 　　既然AI如此方便，設計師的存在似乎就可有可無了？ 　　．最容易被取代的三大設計，看看自己符合了哪些！ 　　．深耕藝術設計、個性化設計、跨界思考…

…六種方法助你永保飯碗！ 　　【比人還通人性！談AI的實踐】 　　．AI設計八大原則：個性化、環境理解、安靜、安全「後門」、準確性和即時性、自我學習與修正、有禮貌、人格設定。 　　．產品設計三要素：透過增強記憶、訓練思考和預測行動，將人工智慧最佳化。 　　．從圖形使用者介面（GUI）到語音命令裝置（VUI），為什麼要將GUI轉換為VUI？ 　　【未來五年，人工智慧的發展】 　　．智慧城市 　　下水道設計不良，一遇到暴雨瞬間變水上威尼斯？ 　　每次上路總是提心吊膽，深怕遇到馬路三寶？ 　　警力資源嚴重不足！誰可以代替交警外出巡邏？ 　　交通、能源、供水、建築……數位監控平臺將接管城市管理的工

作！ 　　．商場 　　對商場上的惡性競爭感到厭倦了嗎？透過AI技術，有錢大家一起賺！ 　　讓不同性質的店家組成一個體系，推播優惠券製造雙贏效果。 　　．家園 　　在家裡擺上一幅霍格華茲的胖夫人畫像不再是夢？ 　　Atmoph Window不僅能隨意切換內容，還能配合主題發出相應聲音，彷彿身歷其境！ 　　★特別收錄：跨界設計師甘苦談、針對使用者的人工智慧系統底層設計 本書特色 　　本書從技術角度切入，介紹當前人工智慧的相關知識，再圍繞商業、產品、使用者需求等多個角度闡述人工智慧與設計的關係，提出人工智慧設計的相關見解，同時也結合了作者本身的學習和工作經驗，對設計師在AI時代下的發展規劃

給予相關建議。

數位影像定義進入發燒排行的影片

應用不同深度學習工具以提高金屬加工產品瑕疵檢測之影像辨識成功率

為了解決數位影像定義的問題，作者吳姎恂 這樣論述：

工業4.0來襲加上消費型態轉變，過去以人工檢測之勞務，近來已漸漸被自動化及機器視覺所取代。主要原因是機器視覺可結合人工智慧之深度學習技術，解決人工判斷時的模糊區間，並提供一致性的判斷準則，使產品檢測標準一致，並提升檢測效率與準確度(accuracy)，展現智慧製造之特色。本研究以金屬加工產品瑕疵檢測為例，建立完整深度學習技術，以卷積神經網路(Convolutional Neural Network)為框架，利用特徵自學特性，解決AOI以固定式檢測而無法精確辨識加工之小毛刺或真圓度所產生的NG/OK模糊空間。由AOI系統擷取影像後，將產品影像分為NG/OK，並應用Matlab(batch 32

、batch 2)與SmaAI Trainer(medium、large)兩種不同深度學習工具，其深度學習架構為卷積層、池化層及全連接層搭配ReLU 激活函數，以及自適應的學習率優化演算法Adam為主要測試方法且初始學習率設置為0.00001，再利用交叉熵的演算法計算損失函數。其中SmaAI Trainer-medium模式與Matlab- batch 32模式的最小批量設置為32；SmaAI Trainer-large模式與Matlab- batch 2模式的最小批量設置為2。本文主要探討影像樣本數量與不同數據集以及影像尺寸是否影響影像辨識瑕疵之成功率。由研究結果歸納出若數據集之兩分類樣本數

量相同，可得到較高的準確度。透過SmaAI Trainer之熱影像圖得知，本研究使用影像尺寸400×400 pixels，有較好的學習效果。根據實驗結果，將數據集OK類別定義為:全部具有真圓度問題之影像時，以SmaAI Trainer-medium模式在400×400 pixels有最佳準確度98.58 %，且模型驗證準確度為 97.90 %；使用Matlab- batch 32模式在400×400 pixels有最佳準確度100 %，且模型驗證準確度為100 %。因此，本研究成功提高金屬加工產品瑕疵檢測之影像辨識成功率並可區分小毛刺與真圓度差異。

巨震創生：九二一震災的風險分析與制度韌性

為了解決數位影像定義的問題，作者龔怡文,劉季宇,簡文郁,鍾立來,葉錦勳,張宜君,陳慈忻,陳淑惠,陳亮全,周偉賢,曾裕淇,林冠慧,林宗弘,林沛暘,邱聰智,李俊穎, 這樣論述：

　　九二一震災是臺灣災害科學發展與政策改革的里程碑，為什麼有些地方的災損較嚴重？為什麼有些受災社區能夠成功復興？本書為國家地震工程研究中心、中央研究院、國立臺灣大學與師範大學等學者合作的成果，回顧臺灣地震科學，特別是九二一地震之後的研究發展。 　　全書分為四個部分：第一部分為震災風險研究導論，介紹資料來源與研究方法；第二部分解構震前風險，介紹危害度、暴露度與脆弱度等概念與其對九二一震災的分析結果，提出「樞紐城鎮」（nexus township）的概念，認為介於都會區與麓山帶之間的中小型交通樞紐城鎮，是社會脆弱之所在。第三部分介紹韌性的概念、探討九二一震災後的房屋重建、社區

重建、校園重建以及心理重建；第四部分「面對下一場巨震」探討臺灣防救災制度變遷，並提供未來改革建議。巨災不僅留下傷痛，也帶來公民參與改革的機會之窗，這是臺灣民主對抗災害風險的「制度韌性」優勢。

分散式影像處理開發平台

為了解決數位影像定義的問題，作者陳其舜 這樣論述：

本論文研究開發一套分散式影像處理平台為目標，應用於電腦操作介面及ARM 系統兩端以分散運算量及降低資料通訊量，考慮過去在影像處理系統的優缺點，發展一套可移植ARM 的處理及影像辨識演算法函式庫提供開發者使用。該架構改良傳輸原始影像的設計，使得影像擷取控制端截取影像後，直接進行影像處理及影像辨識運算，傳輸影像辨識後參數，當影像擷取裝置數量變多能夠有效的降低與電腦操作端的運算量及通訊量。利用所開發之影像平台可供開發演算法驗證結果。在影像辨識方面，改善弦波對應找線演算法的可移植化及辨識資訊。而電腦操作介面可嵌入至VMIO 系統，協助未來在智慧型攝像系統影像前置處理及辨識能夠獲得更多的效益。