國立虎尾科技大學 |

登入

回首頁

運用深度學習於溺水事件檢測之研究與探討 = = Research and...

李政偉

運用深度學習於溺水事件檢測之研究與探討 = = Research and Investigation on Deep Learning for Drowning Incident Detection /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	運用深度學習於溺水事件檢測之研究與探討 =/ 李政偉.
其他題名:	Research and Investigation on Deep Learning for Drowning Incident Detection /
其他題名:	Research and Investigation on Deep Learning for Drowning Incident Detection.
作者:	李政偉
出版者:	雲林縣 :國立虎尾科技大學 , : 民113.07.,
面頁冊數:	[8], 51面 :圖, 表 ; : 30公分.;
附註:	指導教授: 黃俊銘.
標題:	Analysis. -
電子資源:	電子資源

運用深度學習於溺水事件檢測之研究與探討 = = Research and Investigation on Deep Learning for Drowning Incident Detection /
李政偉

運用深度學習於溺水事件檢測之研究與探討 =Research and Investigation on Deep Learning for Drowning Incident Detection /Research and Investigation on Deep Learning for Drowning Incident Detection.李政偉. - 初版. - 雲林縣 :國立虎尾科技大學 ,民113.07. - [8], 51面 :圖, 表 ;30公分.

指導教授: 黃俊銘.

碩士論文--國立虎尾科技大學電子工程系碩士班.

含參考書目.

近年來，溺水事件引起了社會的高度關注，因其對公共安全造成的潛在威脅。隨著科技的不斷發展，我們意識到傳統的監測方法已經無法完全滿足現代社會對於溺水事件處理的需求。因此，我們利用深度學習和電腦視覺技術來識別和監控溺水事件，以提高救援效率和溺水者的生存率。溺水者通常在遇到危險時無法發出清晰的求救呼叫或展現明顯的掙扎，這對於救援人員增加了挑戰。本論文的目標為利用電腦視覺技術，分析溺水行為的特徵，進而快速準確地辨識潛在的溺水事件。本論文所面臨的主要挑戰在於溺水數據集的數量不足，這將對模型訓練的準確性和可靠性產生影響。因此，我們與游泳池現場救生人員合作，模擬各種可能溺水情境，以獲得更貼近實際的溺水行為數據。這使得我們的模型更加貼近實際應用場景，提高了救援的效率和溺水者的生存機會。.

(平裝)Subjects--Topical Terms:

669490
Analysis.

運用深度學習於溺水事件檢測之研究與探討 = = Research and Investigation on Deep Learning for Drowning Incident Detection /
LDR:03308cam a2200241 i 4500 001 1129833
008 241015s2024 ch ak erm 000 0 chi d
035 $a (THES)112NYPI0428003
040 $a NFU $b chi $c NFU $e CCR
041 0 # $a chi $b chi $b eng
084 $a 008.160M $b 4012:3 113 $2 ncsclt
100 1 $a 李政偉 $3 1448881
245 1 0 $a 運用深度學習於溺水事件檢測之研究與探討 = $b Research and Investigation on Deep Learning for Drowning Incident Detection / $c 李政偉.
246 1 1 $a Research and Investigation on Deep Learning for Drowning Incident Detection.
250 $a 初版.
260 # $a 雲林縣 : $b 國立虎尾科技大學 , $c 民113.07.
300 $a [8], 51面 : $b 圖, 表 ; $c 30公分.
500 $a 指導教授: 黃俊銘.
500 $a 學年度: 112.
502 $a 碩士論文--國立虎尾科技大學電子工程系碩士班.
504 $a 含參考書目.
520 3 $a 近年來，溺水事件引起了社會的高度關注，因其對公共安全造成的潛在威脅。隨著科技的不斷發展，我們意識到傳統的監測方法已經無法完全滿足現代社會對於溺水事件處理的需求。因此，我們利用深度學習和電腦視覺技術來識別和監控溺水事件，以提高救援效率和溺水者的生存率。溺水者通常在遇到危險時無法發出清晰的求救呼叫或展現明顯的掙扎，這對於救援人員增加了挑戰。本論文的目標為利用電腦視覺技術，分析溺水行為的特徵，進而快速準確地辨識潛在的溺水事件。本論文所面臨的主要挑戰在於溺水數據集的數量不足，這將對模型訓練的準確性和可靠性產生影響。因此，我們與游泳池現場救生人員合作，模擬各種可能溺水情境，以獲得更貼近實際的溺水行為數據。這使得我們的模型更加貼近實際應用場景，提高了救援的效率和溺水者的生存機會。.
520 3 $a In recent years, drowning incidents have attracted widespread societal attention due to the potential threats they pose to public safety. With the continuous advancement of technology, we have realized that traditional monitoring methods are no longer sufficient to meet modern society's demands for handling drowning incidents. Consequently, we employ deep learning and computer vision techniques to identify and monitor drowning events, aiming to improve rescue efficiency and the survival rate of drowning victims. Drowning individuals are typically unable to issue clear distress calls or exhibit obvious struggles when in danger, posing challenges for rescue personnel. This paper aims to leverage computer vision techniques to analyze the characteristics of drowning behavior, thereby rapidly and accurately identifying potential drowning incidents. The primary challenge faced in this paper is the insufficient quantity of drowning datasets, which can impact the accuracy and reliability of model training. Therefore, we collaborate with on-site lifeguards at swimming pools to simulate various potential drowning scenarios, enabling us to obtain more realistic drowning behavior data. This ensures that our model is better aligned with real-world application scenarios, improving rescue efficiency and increasing the chances of survival for drowning victims..
563 $a (平裝)
650 # 4 $a Analysis. $3 669490
650 # 4 $a Identification. $3 555746
650 # 4 $a Deep Learning. $3 1127423
650 # 4 $a Drowning. $3 1451688
650 # 7 $a 分析. $2 lcstt $3 833217
650 # 4 $a 識別. $3 1451687
650 # 4 $a 深度學習. $3 1127425
650 # 4 $a 溺水. $3 1451686
856 7 # $u https://handle.ncl.edu.tw/11296/xz9r88 $z 電子資源 $2 http