Skip navigation

DSpace

機構典藏 DSpace 系統致力於保存各式數位資料(如:文字、圖片、PDF)並使其易於取用。

點此認識 DSpace
DSpace logo
English
中文
  • 瀏覽論文
    • 校院系所
    • 出版年
    • 作者
    • 標題
    • 關鍵字
  • 搜尋 TDR
  • 授權 Q&A
    • 我的頁面
    • 接受 E-mail 通知
    • 編輯個人資料
  1. NTU Theses and Dissertations Repository
  2. 生物資源暨農學院
  3. 農藝學系
請用此 Handle URI 來引用此文件: http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/7590
完整後設資料紀錄
DC 欄位值語言
dc.contributor.advisor劉力瑜
dc.contributor.authorHao-Yu Chuangen
dc.contributor.author莊皓宇zh_TW
dc.date.accessioned2021-05-19T17:47:16Z-
dc.date.available2023-06-21
dc.date.available2021-05-19T17:47:16Z-
dc.date.copyright2018-06-21
dc.date.issued2018
dc.date.submitted2018-06-14
dc.identifier.citation[1] Chang, C. I. (1999). Spectral Information Divergence for Hyperspectral Image Analysis. Geoscience and Remote Sensing Symposium. 1,509-511.
[2] Chapelle, O., Haffner , P., Vapnik, V. (1999). SVMs for Histogram-Based Image Classification, IEEE Transactions on Neural Networks. 10(5), 1055 – 1064.
[3] Chen, K., Li, R., Dou, Yong., Liang, Z., Lv, Qi. (2017). Ranking Support Vector Machine with Kernel Approximation. Computational Intelligence and Neuroscience, Volume 2017, Article ID 4629534, 9 pages.
[4] Chen, Y., Zhou, X. S., Huang, T. S. (2001). ONE-CLASS SVM FOR LEARNING IN IMAGE RETRIEVAL. Proceedings 2001 International Conference on Image Processing, 3, 34-37.
[5] Chiroma, H., Abdulkareem, S., Abubakar, A. I., Herawan, T. (2014). Kernel Functions for the Support Vector Machine: Comparing Performances on Crude Oil Price Data. Recent Advances on Soft Computing and Data Mining, 287, 273-281.
[6] Chu, W. T., Li, W. W. (2017). Manga Face Net: Face Detection in Manga based on Deep Neural Network. Proceedings of ACM International Conference on Multimedia Retrieval, 412-415.
[7] Guo, G., Li, S. Z., Chan , K. (2000). Face Recognition by Support Vector Machines. Proceedings of the Fourth IEEE International Conference on Automatic Face and Gesture Recognition.
[8] Hsu, C.-W., & Lin, C.J. (2002). A Comparison of Methods for Multiclass Support Vector Machines, 13(2), 415-425.
[9] Jin, Y., Zhang, J., Li, M., Tian, Y., Zhu, H., Fang, Z. (2017). Towards the Automatic Anime Characters Creation with Generative Adversarial Networks. arXiv.org, 1708.05509.
[10] Liu, Z., & Xu, H. (2014). Kernel Parameter Selection for Support Vector Machine Classification. Journal of Algorithms & Computational Technology, 8(2), 163-177.
[11] Meyer, D., Dimitriadou, E., Hornik, K., Weingessel, A., Leisch, F. (2017). e1071: Misc Functions of the Department of Statistics, Probability Theory Group (Formerly: E1071), TU Wien. https://CRAN.R-project.org/package=e1071.
[12] Mercier, G., & Lennon, M. (2003). Support Vector Machines for Hyperspectral Image Classification with Spectral-based kernels. Geoscience and Remote Sensing Symposium, 1, 288-290.
[13] Moughal, T. A. (2013). Hyperspectral image classification using Support Vector Machine. Journal of Physics: Conference Series, 439(1), 12-42.
[14] Osuna, E., Freund, R., Girosit, F. (1997). Training support vector machines: an application to face detection. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition Osuna, 130-136.
[15] Takayama, K., Johan, H., Nishita, T. (2012). Face detection and face recognition of cartoon characters using feature extraction. Processing of the IEEEJ Image Electronics and Visual Computing Workshop.
[16] Siddiqui, K. T. A., & Wasif , A.(2015). International Journal on Soft Computing, 6(1), 37-52.
[17] Vapnik, V., & Cortes, C. (1995). Support-Vector Networks. Machine Learning, 20(3), 273-297.
[18] 一般社団法人日本動画協会(2016). アニメ産業レポート.
[19] 林宗勳. Support Vector Machines 簡介. (http://www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/SVM2.pdf)
dc.identifier.urihttp://tdr.lib.ntu.edu.tw/jspui/handle/123456789/7590-
dc.description.abstract內容圖像檢索,是將圖片中的像素資料作為圖像搜尋依據,在圖片搜尋引擎中,依照提供的圖像找到相似的圖像,提供使用者從圖像資料庫找尋所需要的圖片,在像素的資料處理上,常會遇到變數資料過多樣本數過少之問題,如能利用對應之圖像分類統計演算法,可提升圖像搜尋準確度。
本研究使用支持向量機分類方法,將 30 位動漫人物圖像進行分類,從中比較核函數在多元分類與二元分類上校正後之準確率與執行效率,期望使用較少的像素資料與參數較少的分類法則作為動漫圖像分類的演算法。多元分類的部分,透過校正 3 種核函數後,使用 radial basis 核函數的非線性支持向量機分類方法比最鄰近分類法在動漫圖像多元分類較穩健,在二元分類情境下,線性支持向量機分類方法就能達到準確的分類效果,可依此做為日後圖庫搜尋系統之參考依據。
zh_TW
dc.description.provenanceMade available in DSpace on 2021-05-19T17:47:16Z (GMT). No. of bitstreams: 1
ntu-107-R05621201-1.pdf: 1487399 bytes, checksum: f2686a39f51c97be36707c81d3c2f6f0 (MD5)
Previous issue date: 2018
en
dc.description.tableofcontents誌謝 i
摘要 ii
Abstract iii
表目錄 1
圖目錄 1
第一章圖像蒐集 1
1.1臉部及雙眼擷取 1
1.2圖像資料處理 3
第二章統計分析方法 4
2.1支持向量機簡介 4
2.1分類方法 7
第三章結果與討論 9
3.1多張圖片分類 9
3.1.1參數校正 9
3.1.2模型預測結果與討論 20
3.2二元圖片分類 21
3.2.1參數校正 21
3.2.2模型預測結果與討論 28
第四章總結 30
參考文獻 31
附錄一 33
公式推導 33
支持向量機公式 33
懲罰權重公式 35
附錄二 36
支持向量機與KNN比較 36
dc.language.isozh-TW
dc.title應用支持向量機於動漫圖像分類zh_TW
dc.titleApply support vector machine in anime images classification.en
dc.typeThesis
dc.date.schoolyear106-2
dc.description.degree碩士
dc.contributor.oralexamcommittee黃信誠,蔡欣甫
dc.subject.keyword支持向量機,多元分類,二元分類,圖像搜尋,核函數,zh_TW
dc.subject.keywordimage retrieval,support vector machine,mutiple categories,binary categories,kernel,en
dc.relation.page36
dc.identifier.doi10.6342/NTU201800947
dc.rights.note同意授權(全球公開)
dc.date.accepted2018-06-14
dc.contributor.author-college生物資源暨農學院zh_TW
dc.contributor.author-dept農藝學研究所zh_TW
dc.date.embargo-lift2023-06-21-
顯示於系所單位:農藝學系

文件中的檔案:
檔案 大小格式 
ntu-107-1.pdf1.45 MBAdobe PDF檢視/開啟
顯示文件簡單紀錄


系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。

社群連結
聯絡資訊
10617臺北市大安區羅斯福路四段1號
No.1 Sec.4, Roosevelt Rd., Taipei, Taiwan, R.O.C. 106
Tel: (02)33662353
Email: ntuetds@ntu.edu.tw
意見箱
相關連結
館藏目錄
國內圖書館整合查詢 MetaCat
臺大學術典藏 NTU Scholars
臺大圖書館數位典藏館
本站聲明
© NTU Library All Rights Reserved