在生成性模型(Generative Models)中的一個主要應用就是“影像修復” (Image Inpainting) 也稱為“影像完成”(Image completion)。 影像修復經常被應用於許多影像處理，包含在生活照片中移除背景不必要的物件再回填移除後缺損的影像。 但是，或許之前的研究較多著墨於技術而非美學，至目前為止，很少有影像修復的研究著重於藝術作品的重建應用。 所以，本研究計畫提出三個新的模型來針對藝術作品做更優化的影像修復，以達到較一般處理日常照片所使用的如Places2 和ImageNet等影像修復技術在視覺上更為自然逼真的處理： 第一種模型是PConv (Partial Convolutions)，它利用部分旋積(partial convolution) 來避免一般由於遮蔽區域中畫素起始值設定而常見的影像模糊問題。 第二種模型是GLCIC (Globally and Locally Consistent Image Completion)，是一種以GAN (Generative Adversarial Network) 為基礎，進一步在全域鑑別器 (global discriminator) 之上，再建構一個區域性鑑別器(local discriminator)，以確保在整體畫面與細部畫面的合理與一致性的方法。 最後一個模型是一個在本研究中所提出的全新、整合性的模型–PConv-GAN。 在這個創新的模型中，我們將GLCIC模型中常用於旋積過程中”補零”(zero padding) 的手法，以PConv模型中部分旋積的方式來取代。最後我們會利用一系列的印象派畫作為例，以L1 loss 和PSNR (peak signal-to-noise ratio) 兩種方法來評估這三個模型。

本研究利用影像風格轉換模型作為資料增強的方法，將原始資料集中的影像轉換成不同風格，以增加訓練資料的多樣性。為了驗證使用此方法的有效性，本研究進行了兩個領域的實驗，分別是：(1)物件辨識模型在不同天氣時間的街景圖上的表現，(2)胃腸癌中的腫瘤檢測模型在不同染色結果的組織圖上的表現。結果證實使用風格轉換模型生成的影像訓練的模型的準確率在某些情況下有顯著的提升。此方法的優點在於能夠快速產生多樣風格的資料，由於是對影像的風格做轉換，影像的內容沒有改變，因此能夠沿用原有的標籤，同時節省了蒐集及為新影像標籤的人力及時間。

本研究以廢棄的蚵殼和回收紙作為研究材料，先將鍛燒後的蚵粉溶於水後，噴灑於手機螢幕與電腦鍵盤，並利用ATP生物冷光儀檢測微生物的殘存量，研究發現10ppm與100ppm濃度的自製蚵粉水在手機與鍵盤皆可達98.14%與96.08%以上的殺菌效果。之後再將自製蚵粉水與市售蚵粉水、自製文蛤粉水、水，在門把上做殺菌效果的比較，結果顯示殺菌效果最佳的是100ppm的自製蚵粉水，可達93.23%以上的殺菌效果。接著利用回收紙製作環保鞋墊，並加入自製蚵粉，用以探討加入自製蚵粉後的鞋墊中是否具有抑菌的效果，結果顯示加入5公克自製蚵粉微生物最佳可達89.5%的殺菌效果。

鐵路時刻表排點至今為止仍十分仰賴人工作業，且排班優劣對於乘客服務品質有顯著影響。本研究採用元啟發式最佳化演算法及模擬器進行旅客列車鐵路時刻表排點，旨在找出一份針對旅客需求、提升旅客運輸成功率且降低旅途時間的時刻表。我們提出一種班表編碼機制，可依此產生班表草稿。我們研發的模擬器可將班表草稿轉換為合法無衝突之班表。最後，透過登山演算法及基因演算法來搜尋班表草稿，並以模擬器評估優劣，我們實現了一個自動化排班系統。我們也以不同的乘客測資針對於不同演算法進行比較，並試圖找出表現最好的演算法。實驗結果指出我們的模擬器能有效率產生無衝突時刻表，且所提出之演算法操作相較現行班表可提升運輸成功率和降低旅途時間。

本次科展主題為探究屏東與臺灣其他地區海灘樣本的差異。我們選擇了具代表性的屏東地區海灘作為主要採樣點，利用數位顯微鏡比對外觀特徵，電腦影像軟體分析色調，透過篩網分析海灘樣本顆粒大小比例，並檢測其酸鹼性、硬度和KH等性質。 結果顯示，屏東和小琉球海灘主要由珊瑚、貝殼和少量有孔蟲殼體等生物碎屑組成，呈白黃色調；而臺灣其他地區的海灘沙粒主要由岩石碎屑組成，呈灰黑色。單位體積海灘樣本的重量測量結果並無明顯差異，水溶液的酸鹼值大多呈弱鹼性，TDS數值顯示不同區域的海水組成和溶解物有所差異，但屬於珊瑚砂海灘樣本的KH值平均超過10。這些差異是臺灣地理位置、河流侵蝕搬運堆積和沿海海流等因素共同作用的結果。

民眾在生活採買與準備食材中，經常面臨一些問題，例如：忘記冰箱食品而導致重複購買與浪費、食品放置過期…等。因此我們提出一個可以解決上述問題的系統，藉由影像辨識來判斷食品品項與移動軌跡，藉此建立冰箱內部的食品清單，並且可透過冰箱觸控螢幕與手機APP，查看與設定清單內容。針對無法辨識的食品，系統可以學習訓練建立影像辨識模型，並針對現有的食品類別進行增量訓練，提高辨識食品的準確率。藉由本研究所提出的系統，可以學習與辨識各項冰箱食品、設定過期提醒通知，與冰箱異常偵測，協助使用者有效且便利地管理冰箱雜物、掌握冰箱的狀態。

「使用給定的多個矩形密鋪一個格狀平面(2D rectangle tiling problem)」為一NP-complete問題，目前多項式時間只能求出盡可能覆蓋最大面積的近似解。本研究所創的階梯演算法透過改變動態規劃所紀錄的狀態，使狀態數大幅減少，進而改善求準確解的時間複雜度，當然也成功證明此演算法的正確性，並且此演算法也能處理環狀及有權重的類似問題，如RTILE PROBLEM、DRTILE PROBLEM。隨後，寫了一個互動展示品直覺地呈現此演算法的意義。並以階梯演算法成功將7/3-approximation algorithm (Krzysztof Lorys and Katarzyna E. Paluch,2000 [4]) 與11/5-approximation algorithm (Piotr Berman et al,2001[7])進行比較與分析。

『程式解題系統』是提供不同難易的題目給學習程式設計者使用的系統，主要透過測試資料來驗證程式碼的正確性和效能姓。然而，這類系統大多為私人用。台灣著名的程式解題系統有台中女中程式解題系統及高中生解題系統(Zero Judge)等，題目雖然繁多卻分類雜亂，不能讓教師客製化題目給學生，只能從眾多題目中，零散的挑出適合學生的題目，給學生練習。基於以上理由，此研究目的是做出不同於一般程式解題系統的功能，希望能讓教師彈性增刪題目。使用Python為基礎語言，後端採用Django框架，已經架構出系統的原型，並上架至Heroku(zeaf.herokuapp.com)。希望循序漸進地讓學習者有成就感，也讓教師能監督每一個學生學習狀況。

本研究旨在改善聽障人士無法完整接收影音類型資訊的狀況，探討各種影片處理技術，尋找、嘗試並比較各種方法，整合出最適合的系統自動替影片嵌入情境化字幕——用視覺的方式呈現影片聽覺訊息，讓聽障人士便於理解各種類型的影片內容與資訊。 為此，我們呈現的情境化字幕有主要幾個特點： 1、將聲音對話轉為字幕標記在說話者旁，透過畫面中語句位置就可以了解跟語者的對應關係。 2、畫面中字幕會以漸漸上飄消失的泡泡字幕來呈現，使觀影者有充足時間閱讀字幕理解內容。 3、將環境音效如電話聲、雷聲與貓叫聲等各種能傳達資訊的聽覺訊息標示在畫面中。 藉由這些處理使畫面呈現更豐富的影片資訊，最終達到改善聽障人士資訊接收權益不平等的目標。

本研究係運用多項式擬合技術，表示出股價的年週期循環特性及趨勢，製作出可顯示個股股價年週期循環趨勢的應用程式。 先觀察市面上常見的股票技術分析，接著用Octave進行研究，最後運用Python製作出包含使用者介面的應用程式，並將分析結果量化及輸出，本研究將此應用程式稱為「股價年週期循環技術分析應用程式」。

According to CNN Indonesia 2020, the demand for e-Commerce in Indonesia has nearly doubled during this pandemic. This surge in demand calls for a time-efficient method for warehouse order-picking. One approach to achieve that goal is by incorporating automation in their warehouse systems. Globally, the market of warehouse robotics is expected to reach 12.6 billion USD by 2027 (Data Bridge Market Research, 2020). In this research, the warehouse system studied would utilize AMR (Autonomous Mobile Robots) to lift and deliver movable shelf units to the packing station where workers are at. This research designed a heuristic algorithm called A.N.T.s (Algorithm for Navigating Traffic System) to conduct task assigning and pathfinding for AMR in the automated warehouse. The warehouse layout was drawn as a two-dimensional map in grids. When an order is placed, A.N.T.s would assign the task to a robot that would require the least amount of time to reach the target shelf. A.N.T.s then conducted pathfinding heuristically using Manhattan Distance. A.N.T.s would help the robot to navigate its way to the target shelf unit, lift the shelf and bring it to the designated packing station. A.N.T.s algorithm was tested in various warehouse layouts and with a varying number of AMRs. Comparison against the commonly used Djikstra’s algorithm was also conducted (Shaikh and Dhale, 2013). Results show that the proposed A.N.T.s algorithm could execute 100 orders in a 27x23 layout with five robots 9.96 times faster than Dijkstra with no collisions. The algorithm is also shown to be able to help assign tasks to robots and help them find short paths to navigate their ways to the shelf units and packing stations. A.N.T.s could navigate traffic to avoid deadlocks and collisions in the warehouse with the aid of lanes and directions.

本研究旨在研究一款自創棋類遊戲「梅花棋」，找出效率最佳的演算法及分析AI的適用性。遊戲規則如下：雙方玩家輪流在19階的棋盤上下棋，先手執黑子，後手執白子，任一方形成梅花即獲勝。隨著棋子的增加，肉眼判斷勝負愈發困難，因此希望借助電腦的力量完成它。我們透過C++編寫程式，持續改良優化演算法，提升電腦的精確度與流暢度。過程中依序提出了平均演算法、畢氏定理演算法、向量演算法、以及網狀編碼演算法。目前最新版本中，我們使用含有螺旋編碼表的網狀編碼演算法，這可使電腦快速正確地判斷勝負。得到最佳的演算法後，我們嘗試運用撰寫Minimax演算法編寫AI，並且不斷增加演算法的深度，從而提升電腦的實力。透過Victory notion的概念分析兩者間的相似度，判斷其對於梅花棋的適用性。透過不斷與Minimax演算法測試遊戲，將梅花棋規則中，先後手的優勢差距逐漸縮小。目前本研究已可順利進行單純的雙人對戰與複雜的人機對戰模式。