| 书 名 | 多期多尺度影像结合深度学习于边坡地貌变异判识之初探(1/2)-影像蒐集及辨识算法架构探讨 |
| 出版单位 | 运输技术研究中心 |
| 出版年份 | 112 |
| 出版月份 | 3 |
| 价格 | 200 |
| 摘要 | 交通部111 年度施政计画重点项目之一为「强化智慧应用，提升运输效率」，提出应加强结合5G、AI 等新兴科技应用，实现智慧交通数码转型；2020 年版运输政策白皮书提出「应用AI、UAV 及遥测技术于铁公路巡检或监测」为重点之行动方案。 本计画为2 年期计画之第1 年期，主要研究成果计有：(1)蒐集深度学习应用影像辨识技术相关文献，并探讨影像辨识应用于边坡地貌变异判识之方法与可行性；(2)蒐集边坡场址之卫星、航测、UAV…等影像，做为后续深度学习之训练及验证数据库使用；(3)比较各类深度学习框架及神经网络模式对于边坡地貌判识之适用性，借以找出合适之算法。 成果效益： 本计画探讨应用AI 技术结合多时期、多尺度(卫星、航测、UAV…等)之边坡监测影像进行边坡地貌变异判识之可行性，并希冀借由新兴科技及技术之探讨，于未来能达成地貌判识、裸露塌地范围自动圈选及土方量体判定等效用，以利公路边坡管理单位之日常巡查作业及灾后复原工作更加便捷快速。 提供政府单位应用情形： 研究成果提供公路总局、高速公路局于公路边坡管理及灾防之应用，以及本所人工智能技术研发相关研究后续探讨与应用。 |
| 张贴日 | 2023/04/20 |
| 档案下载 | B1120090.pdf |
| Hashtags |
查看次数:
27