全國中小學科展

依國際科展年度查詢

電腦科學與資訊工程

利用深度學習將黑白影片色彩化

1920年代和1930年代,攝影設備剛剛起步,攝影設備只能拍攝黑白圖像的照片或影片,但仍有許多經典電影被記錄下來。如今,隨著科技的進步,攝影設備也在不斷迭代,彩色成像技術和高品質成像技術不斷被更好的技術所取代。因此,如何將黑白圖像轉換為彩色圖像成為一個重要的研究課題。本研究的目的是將黑白影片轉換成彩色影片。我們的方法可以分為兩部分:彩色化模型設計和影片連續性優化。在顏色轉換模型設計部分,我們使用了生成對抗網絡(GANs)技術,基於U-Net設計了5個模型,並使用COCO數據集訓練顏色生成模型。在電影連續性優化部分,我們首先使用景觀數據集中微調的前五個模型中最好的模型。在這個過程中,我們發現模型生成的影片存在顏色不連續的問題。因此,我們設計了三套方案來解決,比如使用H.264重新編碼生成電影,使用平均像素的色調值提高電影的色調穩定性,使用ORB預測個別幀。結果表明,影片的色彩轉換效果表現優異。

Human-computer Interaction-based Millimeter-wave Radar Gesture Recognition

本研究提出了一個毫米波雷達即時動態手勢辨識技術,透過幾個簡單的手勢取代鍵盤和滑鼠來操作應用程序,從而提供更生活化和直覺化的人機介面。我們透過手勢屬性分析、手勢訓練資料格式選擇評估、學習模型效能評估和系統實測性能分析,以提高手勢控制人機界面的實用性。我們的學習模型採用一大小為415 KB的1DCNN+LSTM混合模型支持四個動態手勢,並在德州儀器的FMCW雷達評估板上以30 FPS的採樣速度進行手勢識別。我們在7個用戶(包括5個右撇子和2個左撇子)的多媒體撥放實際測試中達到94.5%的操控準確率。此外,我們的方案在實驗室環境之外的複雜空間中操控應用程序,也不會有明顯的辨識錯誤的情況發生。

由立體思維解循環式最大流量問題_以教師介聘為例

本研究旨在應用立體思維解決循環式的最大流量問題,於教師介聘中,可提出擁有品質保證之方法,並求得介聘成功人數之區間。教師介聘應為一限制的網路流(每個節點至少一入一出),試著求出最大循環流量。 教師介聘為學校間之教師調換作業,透過志願選填與其他參與者進行交換。以110年的介聘規則而言,介聘順序為單調→五角調→四角調→三角調→互調,相同者以積分高為優先。現有制度受限於作業期程、業務人員能力,約略簡化問題原型,但即使如此,介聘處理的結果仍不提供數據分析,導致無從分析其品質及過程,因此介聘的結果、數量和方法皆仍有很大的研究空間。 此研究除了可使媒合數量最大化外,進而由原模型衍伸出多種策略,可以透過調整參數並於結果與時間中取得平衡。單志願介聘中,透過使用不同模型使準確率(介聘成功人數/最多成功人數)介於88~100%,運算時間與準確率成正相關。多志願介聘以自訂規則作為範例,套用單志願介聘模型呈現效果。

The GoClub-梅花棋演算法效率及適用性分析

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。

深度學習掌紋疾病分析系統

遠距醫療及自我健康檢測在最近幾年逐漸崛起,其講求利用大眾化的工具即可掌握醫療知識與自我健康監測,並透過大數據分析及人工智慧技術,協助醫師與病患進行更有效的治療,但目前中醫在這方面的研究不多,與影像辨識相關的也只有舌診。目前對於手掌的研究多半止步於身分辨識,因此手診還需中醫師切脈或檢查。 本研究作品旨在發展自動手診方法,提供民眾自我健康監測。利用兩種方式1.整張手的CNN圖像分類 2.用YOLO物件偵測進行掌中的特徵點抓取,使其能分辨肝掌、富貴手、蜘蛛痣、汗皰疹、無症狀,最後,並將模型與手機APP結合。

Real-Time Ensemble Model for Stroke, Drowsy, and Distracted Driver Detection Using Transfer Learning Models

Road safety remains a global concern, with driver-related factors like distraction, drowsiness, and medical conditions such as stroke being leading causes of accidents. In this paper, we propose a real-time ensemble learning framework that leverages transfer learning for the detection of stroke, drowsiness, and distracted driving. Our model integrates multiple Convolutional Neural Networks (CNNs) fine-tuned for each specific task, and employs a stacking method to combine the predictions of these models using a meta-classifier. Notably, the model is optimized to enhance stroke detection, minimizing false negatives— an essential aspect for timely medical intervention. Experimental evaluations on diverse datasets demonstrate the efficacy of our approach, achieving an overall accuracy of 92.5%. The results emphasize the model’s potential for real-time driver monitoring, offering critical safety features that could reduce accidents and save lives.

自動X光檢測重建2.5D圖形用於非破壞性檢測:印刷電路板之應用

為了解決自動光學檢測的非穿透性檢測物體方式,使用自動X光檢測能解決此問題,因此,本研究嘗試開發自動X光檢測技術,並藉由常見的印刷電路板作為應用。作為結果,本研究能進行X光模擬理想化印刷電路板,搭配實體X光取像,藉由平移堆疊法重建出2.5D印刷電路板影像,並藉由霍夫法圓形辨識圈選錫球,輸入卷積神經網路,辨識錫球焊點之優劣。

HandExo

Stroke is a very common disease, almost a national disease. In terms of stroke frequency, 匈牙利 ranks second in the world. Every year, 40-50 thousand people become paralyzed or permanently injured as a result of cerebrovascular disorders. This number is three to four times higher than in developed countries. Almost every Hungarian family is affected! Of course, saving the life of someone who has a stroke is the most important thing, but rehabilitation is also very important, since only with the help of a physiotherapist will the patient be able to live a full life.

Project M.I.R.A.S

1.1 Short project summary My project involves the conceptualization and development of an innovative approach to modular self-assembling robotic systems. Through its ability to form any complex configuration, the system is highly adaptable to various scenarios and environments. Before delving deeper into the details of my project, I will provide an overview of my background and motivations. 1.2 Background Ever since I first watched the movie "Big Hero 6", I felt amazed by the applications of the so called “microbots”. From that point on, it made me always wonder what would be possible in the real world. When I did the research, I stumbled upon this field of modular robotics. Initially, I was unsure whether to embark on a project focused on electronics and robotics due to my background in programming. On the other side, this year gave me a chance to see the incredible performances of various projects at different science expos. Besides, I took part in the program of CANSAT LU and learned a lot during it, such as microchips, the control of miniature robotics, and the sensors of it. Finally, at school, I took the option Electronics where we dig into similar topics. With this accumulated knowledge and experience I felt confident enough to start this project.

Predict the precise time that the sunset cloud appeared.

雲彩是其中一個在世界上最奇妙的自然現象。在其中也隱藏著巨大的觀光經濟利益。因此,我們想要建立一個系統以預測晚霞雲彩出現的時間,以幫助台灣的觀光業。 本研究將藉由柯西公式、折射反射相關定理以及其他由論文貢獻的輔助公式提出一個計算模型,以計算預測晚霞雲彩出現的時間以及光的路徑。自動化的部分,包含溫度、壓力以及濕度,我們藉由政府的公開資料平台以及衛星公開資料進行靜態網頁爬蟲抓取。雲層高度我們則是透過動態網頁爬蟲,逐一從AccuWeather公開網站上爬取相關資料以利計算。我們將爬取的資料以及所提出的模型計算後以15分鐘作爲一個區隔,提供使用者準確的時間觀賞雲彩。 透過此模型以及爬蟲擷取資料計算得到的結果,我們可以得到接近90%準確率的預測結果。因此,我們能夠準確地為用戶提供正確日落雲彩出現的時間。