| 作品介紹 |
大家好，我要介紹的是人工智慧計算魚群數量，我是報告人黃界銘。
首先我會做個簡單的介紹，接下來再對影像前處理進行說明，然後是我們採用的深度學習的檢測結果，最後對整個作品做一個總結。
在養殖漁業傳統的魚苗計算方法效果並不好。
二值化的影像處理方法也相當粗糙。
因此我們設計了一套利用影像前處理的方式來搭配深度學習有效提高偵測的準確度。
在影像前處理的部分，首先我們使用實驗室自行開發的ASVDF，傅立葉域的自適應奇異值分解進行影像增強，先設計出一個高斯模板，將影像與高斯模板進行離散傅立葉轉換，再用傅立葉頻譜進行奇異值分解獲得主要資訊，最後算出補償係數進行自適應光線補償，生成強化影像。
除了亮度提高之外，並且能有效的將前後景分離。
接下來要使用HOSVD，高階奇異值分解，我們先將影像轉為RGB三維張量並進行三種模式的串接，分別對他們進行奇異值分解求得主要資訊，再以其中一個式子計算出核心張量。
然後再把核心張量的前兩層變成單位矩陣後，獲得新的核心張量，重建出魚頭特徵影像。
HOSVD可有效抓取魚頭的彩色資訊，避免重疊問題。
這邊顯示使用ASVDF增強影像後，HOSVD的效果會變得更清楚。
我們分別將原始影像與魚頭特徵影像進行訓練，結果可以發現使用魚頭特徵影像進行訓練的精確度較高，證明了影像前處理可以有效提高深度學習的效果。
沒有經過影像前處理的原始影像，直接經由深度學習去框選魚群的失誤率非常大。
我們提出的方法確實能完全去除雜物干擾與魚苗重疊問題。
總結來說，我們使用影像前處理不但能提升檢測的準確率，且能克服背景雜質、反光與重疊問題，對於深度學習其實一般都需要大量的樣本，但由於我們利用創新的做法，使用前處理的特徵影像進行訓練，因此只需要少量的樣本數就能得到一個很好的偵測結果。 |