<link rel="stylesheet" href="styles.cf390c6bfbe7555f.css">

學術出版;;Publications

Permanent URI for this communityhdl:11536/1

收集所有交通大學研究人員與學生個人或團體所發表之各項學術著作，涵蓋期刊論文、教師專書、學位論文等項。;;Collections of Publications of NCTU Researchers and Students Like Journal Papers and Thesis.

Browse

Filters

2012 - 20143

Settings

🏛️國立陽明交通大學機構典藏

Author: search.filters.author.PENG WEN-HSIAOSubject: search.filters.subject.Machine Learning

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item type:Item,
    多視點視訊產生、傳輸與分析---子計畫三：機器學習方法於視訊編碼與處理應用
    (2014)
    彭文孝
    ;
    PENG WEN-HSIAO
    ;
    國立交通大學資訊工程學系（所）
    國立交通大學資訊工程學系 計畫名稱： 機器學習方法於視訊編碼與處理應用 計畫主持人： 彭文孝（主持人） 經費來源： 行政院國家科學委員會 關鍵字： 機器學習、高效能視訊編碼、精簡描述子應用於視覺化搜尋、編碼端 控制、視覺化搜尋 本子計晝利用機器學習（Machine Learning)為視訊編碼與處理的應用設計高效能演 算法。近年來由於大量影像及影片資料的產生與取得變得容易，以往模型導向 (Model-based)在視訊編碼與處理中存在的一些問題，可望用資料導向（Data-driven) 的方式來解決。又機器學習的方法非常適合處理資料導向的問題，因此本子計晝目標為 利用機器學習的方法，針對（1)高效能視訊編碼（High Efficiency Video Coding, HEVC) 與（2)精簡描述子應用在視覺化搜尋（Compact Descriptors for Visual Search, CDVS) 兩項ISO/IEC MPEG與ITU-T VCEG正在開發的標準，為視訊編碼及處理兩項重要的多媒 體應用，設計高效能之演算法。前兩年我們會參與HEVC及CDVS之標準制定會議。同時 計晝（1)第一年產生大量HEVC編碼訓練資料，以機器學習方法解決分群及參數估測問 題，完成HEVC編碼端快速模式決策、快速位元率控制及快速編碼工具參數產生之演算 法開發；（2)第二年解決目前CDVS資料庫決定代表點的問題，使用機器學習方式分析並 設計更好的代表點選擇演算法，以及使用機器學習的方法設計使用多種比對演算法之搭 配方式，達到更高的比對準確率；（3)第三年基於兩項完成的標準，設計增進原有的演 算法效能之方法，以及改進演算法使其適用硬體設計。由於兩項標準在兩年内就會完 成，本子計晝發展之研究與演算法趕上標準的時程，將在隨之而來的應用上具有重要的 影響力。
  • Thumbnail Image
    Item type:Item,
    多視點視訊產生、傳輸與分析-子計畫三：機器學習方法於視訊編碼與處理應用
    (2012)
    彭文孝
    ;
    PENG WEN-HSIAO
    ;
    國立交通大學資訊工程學系（所）
    國立交通大學資訊工程學系 計畫名稱： 機器學習方法於視訊編碼與處理應用 計畫主持人： 彭文孝（主持人） 經費來源： 行政院國家科學委員會 關鍵字： 機器學習、高效能視訊編碼、精簡描述子應用於視覺化搜尋、編碼端 控制、視覺化搜尋 本子計晝利用機器學習（Machine Learning)為視訊編碼與處理的應用設計高效能演 算法。近年來由於大量影像及影片資料的產生與取得變得容易，以往模型導向 (Model-based)在視訊編碼與處理中存在的一些問題，可望用資料導向（Data-driven) 的方式來解決。又機器學習的方法非常適合處理資料導向的問題，因此本子計晝目標為 利用機器學習的方法，針對（1)高效能視訊編碼（High Efficiency Video Coding, HEVC) 與（2)精簡描述子應用在視覺化搜尋（Compact Descriptors for Visual Search, CDVS) 兩項ISO/IEC MPEG與ITU-T VCEG正在開發的標準，為視訊編碼及處理兩項重要的多媒 體應用，設計高效能之演算法。前兩年我們會參與HEVC及CDVS之標準制定會議。同時 計晝（1)第一年產生大量HEVC編碼訓練資料，以機器學習方法解決分群及參數估測問 題，完成HEVC編碼端快速模式決策、快速位元率控制及快速編碼工具參數產生之演算 法開發；（2)第二年解決目前CDVS資料庫決定代表點的問題，使用機器學習方式分析並 設計更好的代表點選擇演算法，以及使用機器學習的方法設計使用多種比對演算法之搭 配方式，達到更高的比對準確率；（3)第三年基於兩項完成的標準，設計增進原有的演 算法效能之方法，以及改進演算法使其適用硬體設計。由於兩項標準在兩年内就會完 成，本子計晝發展之研究與演算法趕上標準的時程，將在隨之而來的應用上具有重要的 影響力。
  • Thumbnail Image
    Item type:Item,
    多視點視訊產生、傳輸與分析-子計畫三：機器學習方法於視訊編碼與處理應用
    (2013)
    彭文孝
    ;
    PENG WEN-HSIAO
    ;
    國立交通大學資訊工程學系（所）
    國立交通大學資訊工程學系 計畫名稱： 機器學習方法於視訊編碼與處理應用 計畫主持人： 彭文孝（主持人） 經費來源： 行政院國家科學委員會 關鍵字： 機器學習、高效能視訊編碼、精簡描述子應用於視覺化搜尋、編碼端 控制、視覺化搜尋 本子計晝利用機器學習（Machine Learning)為視訊編碼與處理的應用設計高效能演 算法。近年來由於大量影像及影片資料的產生與取得變得容易，以往模型導向 (Model-based)在視訊編碼與處理中存在的一些問題，可望用資料導向（Data-driven) 的方式來解決。又機器學習的方法非常適合處理資料導向的問題，因此本子計晝目標為 利用機器學習的方法，針對（1)高效能視訊編碼（High Efficiency Video Coding, HEVC) 與（2)精簡描述子應用在視覺化搜尋（Compact Descriptors for Visual Search, CDVS) 兩項ISO/IEC MPEG與ITU-T VCEG正在開發的標準，為視訊編碼及處理兩項重要的多媒 體應用，設計高效能之演算法。前兩年我們會參與HEVC及CDVS之標準制定會議。同時 計晝（1)第一年產生大量HEVC編碼訓練資料，以機器學習方法解決分群及參數估測問 題，完成HEVC編碼端快速模式決策、快速位元率控制及快速編碼工具參數產生之演算 法開發；（2)第二年解決目前CDVS資料庫決定代表點的問題，使用機器學習方式分析並 設計更好的代表點選擇演算法，以及使用機器學習的方法設計使用多種比對演算法之搭 配方式，達到更高的比對準確率；（3)第三年基於兩項完成的標準，設計增進原有的演 算法效能之方法，以及改進演算法使其適用硬體設計。由於兩項標準在兩年内就會完 成，本子計晝發展之研究與演算法趕上標準的時程，將在隨之而來的應用上具有重要的 影響力。