指導教授: 韓仁毓 教授
專案經理: 陳以耕
實習名額: 1~2位
是否可遠距: 不可
航攝影像為重要空間資料來源，然拍攝過程中易受有其急迫性及侷限性，無法兼顧製圖所需之理想氣候條件，而雲覆量為最直接影像內容之大氣因子，故為確保所使用之影像達到一定品質，並能符合後續分析或製圖需求，設定門檻進行雲覆量分級為重要工作，現有篩選方法多依賴人力目視，然此過程多憑藉操作人員的經驗，並無量化依據，難免受主觀標準影響，且耗時費力。 本研究利用機器學習方法，透過大量樣本標註學習，進行影像雲偵測之模型訓練與建立，輔以所設定之雲量分級門檻，以取得一定可信度之成果，並透過語義分割模型常用之評估方式Intersection over Union (IoU) 計算雲層的真實狀況以及模型的預測結果，並評估模型表現。此方法可將可提供研究人員客觀且明確量化之雲覆量判定輔助，進而提升各界查找符合需求圖資之效率。
