跳到主要內容

臺灣博碩士論文加值系統

(44.192.38.248) 您好!臺灣時間:2022/11/30 04:50
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:宋品君
研究生(外文):Pin-Chun Sung
論文名稱:基於影像辨識與Q&A學習系統的蝴蝶辨識
論文名稱(外文):Butterfly Identification through a Joint Image-based Recognition and Q&A Learning System
指導教授:劉震昌
指導教授(外文):Jen-Chang Liu
口試委員:謝孫源周信宏張瑞益
口試委員(外文):Sun-Yuan HsiehHsin-Hung ChouRay-I Chang
口試日期:2015-07-30
學位類別:碩士
校院名稱:國立暨南國際大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2015
畢業學年度:103
語文別:中文
論文頁數:62
中文關鍵詞:蝴蝶辨識群眾外包機器學習Q&A人工神經網路支持向量機
外文關鍵詞:Butterfly identificationCrowdsourcingMachine leaningQ&AArtificial neural networkSupport vector machine
相關次數:
  • 被引用被引用:0
  • 點閱點閱:291
  • 評分評分:
  • 下載下載:8
  • 收藏至我的研究室書目清單書目收藏:1
民眾選擇去大自然的生態旅遊很容易看到蝴蝶,蝴蝶逐漸成為很好的科普教育題材。人們會透過蝴蝶圖鑑去觀察蝴蝶和辨識蝴蝶的種類,然而,這過程對初學來說很費時且不容易尋找到正確的答案,人們困難地辨識蝴蝶物種會使他們降低對蝴蝶的興趣。本論文提出一個辨識蝴蝶的手機應用程式,由兩個子系統組成:一個是影像自動辨識子系統,另一個是Q&A學習子系統。
影像自動辨識子系統可以查詢94種相異的蝴蝶外型,使用方式是對拍攝蝴蝶腹面的生態照之後,對圖片依序點選「蝴蝶後翅的最末端、蝴蝶複眼、前翅頂部末端」三點為影像切割參考點,透過影像正規化、影像去背景、擷取顏色及紋理兩種影像特徵,使用人工神經網路及支持向量機兩種機器學習方式來辨識,實驗結果最好的辨識率是 68.51%。系統使用維基百科的網頁做物種介紹。
當使用者無法從影像自動辨識子系統獲得解答,使用者可以透過上傳照片到蝴蝶Q&A學習子系統去發問,接著專家或是愛好者可以去回答它們。本系統基於群眾外包的方法去做有可信度的物種辨識。此外,發問者可以是一位學習者去嘗試回答別人上傳的問題。學習者可以透過社群得到回饋和獲得分數,當學習者獲得足夠的分數,他們可以升級為專家等級,並且有專家的權限去辨識物種和幫助學習者。

Ecological tourism is the choice of people to go outdoors for nature sightseeing, especially for butterfly species. Butterflies are commonly seen in nature and hence become a good topic for science education. People observe butterflies and used to identify their species through butterfly illustration handbooks. However, this process is time-consuming and hard for beginners to find the correct answer. Difficulties to identify the butterfly species will reduce people’s interests to understand them. In this thesis, we propose a butterfly identification mobile application that combines two complemental sub-systems: an automatic image-based recognition sub-system and a query-and-answer (Q&A) based learning sub-system.
We propose an image-based butterfly recognition sub-system to classify 94 kinds of butterflies with dissimilar appearances. The most convenient way to identify butterfly species is to analyze photos of the side views of butterflies. The users select sequentially 3 points on a butterfly image, including end of butterfly hindwing, butterfly compound eye, and end of butterfly forewing. Then our system performs image normalization, image segmentation and feature extraction to obtain the color and texture features. We applied Artificial Neural Network and Support Vector Machine for butterfly classification. The best average precision is 68.51% in the experiments. In this sub-system, introduction of butterflies is re-directed to Wikipedia.
When users cannot acquire solutions by the image-based recognition sub-system, users can ask a question by uploading the picture to the butterfly Q&A-based learning sub-system then experts and enthusiasts can answer them. The reliability of the species identification can be done by experts and enthusiasts using a crowdsourcing approach. Moreover, the questioner can become a learner to try to answer questions uploaded by others. The learner can get feedback and earn scores in the community. When learners gain enough scores, they are raised to the Expert-level and have an authority of expert to identify species and help learners.

致 謝 I
摘 要 II
ABSTRACT III
目 次 IV
圖 目 次 VI
表 目 次 VIII
第一章 導論 1
1.1 研究動機與目的 1
1.2 相關文獻探討 2
1.2.1 常見的蝴蝶辨識方式 2
1.2.2 以群眾外包方式辨識蝴蝶影像之社群平台 5
1.2.3 物種影像辨識 12
1.2.4 蝴蝶影像辨識之應用 13
1.2.5 論文架構 14
第二章 蝴蝶影像辨識研究方法 15
2.1 影像前置作業 15
2.2 蝴蝶特徵擷取方法 16
2.2.1二維傅立葉描述子 (2-D Fourier descriptor) 16
2.2.2 Sub-Block Color Match 18
2.3 機器學習 18
2.3.1監督式學習 19
2.3.2前饋反向傳播神經網路 20
2.3.3支持向量機 24
第三章 蝴蝶影像辨識實驗結果 25
3.1 資料庫影像 25
3.2 實驗流程 25
3.3 前饋反向傳播神經網路 26
3.4 支持向量機實驗 28
第四章 基於影像辨識與Q&A學習系統的蝴蝶辨識 30
4.1 系統簡介 30
4.2 系統架構 30
4.3 系統資料庫設計 31
4.3.1 資料庫簡介 31
4.3.2 資料庫應用 32
4.4 系統API 38
4.4.1 API簡介 38
4.4.2 API的應用 39
4.5 系統流程 51
第五章 結論與未來工作 59
參 考 文 獻 60

[1]台灣蝴蝶保育學會,來源:http://www.butterfly.org.tw/home.php。
[2]台灣蝴蝶保育學會,第十六期寬尾鳳蝶班解說員培訓 【中部班】,來源:http://www.butterfly.org.tw/news_detail.php?news_id=3697。
[3]iNaturalis,來源:http://www.inaturalist.org/。
[4]Project Noah,來源:http://www.projectnoah.org/。
[5]OzAtlas,來源:http://www.ala.org.au/。
[6]App是什麼?虫判定器!,來源:http://jas9.blogspot.tw/2012/11/MushiHanteiki.html。
[7]Pl@ntNet,來源:http://www.tela-botanica.org/page:bdtfx-nn-1。
[8]不認識這植物嗎?沒關係,讓法國的Pl@ntNet APP告訴你!,來源:http://www.bnext.com.tw/article/view/id/36152。
[9]台灣生物多樣性網絡,來源:http://www.tbn.org.tw/BiologicalInformation/ClassificationStatisticsIndex。
[10]嘎嘎昆蟲網,來源:http://gaga.biodiv.tw/9701bx/in94.htm。
[11]蝴蝶面面觀-蝴蝶查詢,來源:http://turing.csie.ntu.edu.tw/ncnudlm/query_visual_bi/index.htm。
[12]台灣蝴蝶圖鑑 Butterflies of Taiwa,來源:http://butterfly-taiwan.blogspot.tw/。
[13]蝴蝶觀察-自然攝影中心,來源:http://nc.kl.edu.tw/bbs/forumdisplay.php?f=11。
[14]蝶蝶樂-貼蝶賞蝶識蝶,來源:https://www.facebook.com/groups/201292646592909/?fref=ts。
[15]台灣蝴蝶攝,來源:https://www.facebook.com/groups/114144918753745/?fref=ts。
[16]Jeff Howe, “The Rise of Crowdsourcing,” Wired magazine, Issue 14.06, 2006.,來源:http://archive.wired.com/wired/archive/14.06/crowds.html。
[17]玩家外包:社群改變遊戲規則,Crowdsourcing: Why The Power of The Crowd Is Driving The Future of Business。作者:郝傑夫,譯者:羅耀宗。出版社:天下雜誌,出版日期:2011/01/03。ISBN:9789862412312。
[18]中央研究院,週報1314期,來源:http://newsletter.sinica.edu.tw/file/file/53/5324.pdf。
[19]Wiki:iNaturalist,來源:http://en.wikipedia.org/wiki/INaturalist。
[20]iNaturalist about,來源:http://www.inaturalist.org/pages/about。
[21]Citizen scientist site hits one million observations of life on Earth,來源:http://news.mongabay.com/2014/1110-hance-inaturalist-million.html。
[22]Wiki:Project Noah,來源:http://en.wikipedia.org/wiki/Project_Noah。
[23]About Project Noah,來源:http://www.projectnoah.org/about。
[24][NYU] New York University 紐約大學,來源:http://prattflora.com/mfastudy/?p=57。
[25]CNN,What kind of beetle? This app knows,來源:http://edition.cnn.com/2010/TECH/mobile/10/22/citizen.scientists.app/index.html
[26]RECRUIT,サービス終了のお知らせ,來源:http://mtl.recruit.co.jp/termination2015.html。
[27]Hernández-Serna, A., & Jiménez-Segura, L. F. (2014). Automatic identification of species with neural networks. PeerJ, 2, e563.
[28]Kaya, Y., & Kayci, L. (2014). Application of artificial neural network for automatic detection of butterfly species using color and texture features. The visual computer, 30(1), 71-79.
[29]Apple store- BUTTERFLY id ,來源:https://itunes.apple.com/us/app/butterfly-id/id543796262?mt=8。
[30]楊盛凱,劉震昌 (2013)。應用全域與局部影像特徵於蝴蝶辨識之研究。碩士論文,國立暨南國際大學。
[31]C. Rother, V. Kolmogorov, and A. Blake, “Grabcut: Interactive Foreground Extraction Using Iterated Graph cuts,” ACM Transactions on Graphics (TOG), vol. 23. no. 3, 2004.
[32]王維彬,劉震昌 (2014)。以台灣蝴蝶常見種於影像辨識系統之實作。碩士論文,國立暨南國際大學。
[33]Shan Li, Moon-chuen Lee, Donald Adjeroh, “Effective Invariant Features for Shape-Based Image Retrieval,” Journal of the American Society for Information Science and Technology, Volume 56 , Issue 7, pp.729-740, May, 2005.
[34]Rao, Aibing, Rohini K. Srihari, and Zhongfei Zhang. "Spatial Color Histograms for Content-based Image Retrieval." Tools with Artificial Intelligence, 1999. Proceedings. 11th IEEE International Conference on. IEEE, 1999.
[35]Wiki:機器學習,來源:http://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0。
[36]逍遙文工作室,支持向量機器 (Support Vector Machine),來源:https://cg2010studio.wordpress.com/2012/05/20/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%A9%9F%E5%99%A8-support-vector-machine/。
[37]Wiki:SVM,來源:http://zh.wikipedia.org/wiki/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA。
[38]LIBSVM FAQ,來源:http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html。
[39]台灣產蝴蝶名錄,出版社:台灣蝴蝶保育學會。出版日期:2013年7月5日。
[40]原色臺灣蝶類大圖鑑,白水隆著,出版社:保育社。出版日期:十刷昭和59年6月1日。ISBN:4-586-30601-7。
[41]臺灣常見100種蝴蝶野外觀察與生活使全紀錄,張永仁著,出版社:臺灣館。出版日期:初版六刷2011年1月5日。ISBN:978-957-32-5983-1。
[42]埔里賞蝶手冊(埔里地區常見及代表性188種蝴蝶),彭國棟、邱美蘭、顏新珠著,出版社:行政院農委會林務局,出版日期:初版2012年2月。ISBN:978-986-03-3782-2。
[43]臺灣蝴蝶圖鑑上冊(弄蝶、鳳蝶、粉蝶),徐堉峰著,出版社:星辰出版社,出版日期:初版2013年2月10日,IBSN:978-986-177-699-9。
[44]臺灣蝴蝶圖鑑中冊(灰蝶),徐堉峰著,出版社:星辰出版社,出版日期:初版2013年2月10日,IBSN:978-986-177-670-5。
[45]臺灣蝴蝶圖鑑下冊(蛺蝶),徐堉峰著,出版社:星辰出版社,出版日期:初版2013年2月10日,ISBN:978-986-177-668-2。
[46]蝴蝶生活史圖鑑,呂至堅、陳建仁著,星辰出版社,出版日期:初版2014年3月23日,ISBN:978-986-177-784-9。
[47]臺灣疑難種蝴蝶辨識手冊,黃行七、呂晟智、徐堉峰著,出版社:中華民國自然生態保育協會,大自然雜誌社。出版日期:中華民國99年12月25日。ISBN:978-957-9043-08-3。
[48]台灣常見的蝴蝶-低海拔篇,出版社:台灣蝴蝶保育學會。出版日期: 2012年5月第七版第一刷。
[49]維基百科:神經元,來源:https://zh.wikipedia.org/wiki/%E7%A5%9E%E7%B6%93%E5%85%83

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊