About
實驗室簡介
本實驗室於2018年7月在屏科大資管系成立，2021年2二月起轉至成大數據科學研究所，主力為機器學習為基礎之電腦視覺分析與應用。近年來由於深度學習 (媒體稱之人工智慧) 的崛起，如何借助深度學習提高不同任務之效能便為首要任務，例如高光譜影像分析、衛星與無人機視覺應用、自動駕駛車、機器人、各種物件辨識、影像視訊內容還原與保護。本實驗室主力為將機器學習/深度學習導入電腦視覺中不同應用，培養具有深度學習高度實作與應用能力之學生，以能盡量成為業界即戰力為目標。實驗室目前研究主軸分研究型與實務型兩大面向，如下：
l [研究型] 多媒體資訊安全技術發展：由於深度學習能產生非常真實的生成影像使得一般使用者在短時間內無法辨識出是否為偽造的影像。本計畫將深入研究各種不同偽造影像之技術，並從中發展新深度學習模型破解這些偽造影像，此研究成果為目前世界領先之技術，亦獲得頂尖國際研討會之論文獎。除此之外，我們也包含了近年越受重視的資安議題，在多媒體中也存在，比方說深偽辨識就是其中一環；另一個便是對抗樣本的防禦，目前也積極導入中。
l [實作型] 自駕車先進視覺系統：包含輕量化模型底下之物件偵測與切割技術、雷達影像物件偵測技術、車禍意外預測系統等。
l [研究型] 低標註深度學習與可靠AI模型：傳統上深度學習要做得好，一定要有足夠多的資料，因此往往使得深度學習在落地有一定的困難度，特別對於本來就很少蒐集資料的傳統產業，導入AI卻無法產生足夠好的AI。且AI常常容易受到干擾，產生不穩定的結果，如何引入可靠AI的議題也很重要
l [研究型] 影像視訊內容強化：透過機器學習的技巧，藉由收集適量的資料，分析影像如何從受損的檔案還原程原本的檔案。拍照解析度過低，將之直接放大會模糊，導入機器學習/深度學習使得放大後依舊清晰
l [實務型] 社群媒體資訊分析：藉由社群媒體的資料，例如Flickr / Facebook 上的Metadata以及其他的資料，來分析什麼文章或照片將會是點擊率最高、或是明日頭條，對於廣告或商業媒體公司有很大的吸引力。
l [實務型] 醫學影像訊號分析：藉由深度學習的能力，發展專門對於少量資料的醫學訊號 (如心電圖、內視鏡影像等) 的資料分析，合作對象為新創公司以及合作醫院研究單位；目前包含成大醫院、亞東醫院、長庚醫院等。
實驗室計畫 (最新計畫請參考計畫網頁)：
[國科會] 多媒體資訊安全相關，以深偽影視訊辨識為例。
[國科會] 自駕車先進視覺研發系統 。
[國科會] 低標註深度學習、智慧服務 (可靠AI模型)， 隸屬台大AI中心計畫 (與清大合作)。
[教育部] AI CUP (芒果影像辨識競賽)、物件偵測計數，教育部智慧人才培育計畫。
[亞東醫院] 血液透析指標個人化預測與推薦研究
[領導力科技] 手寫發票辨識 (三聯式、二聯式、二收銀等)
[中央大學前瞻研究中心]：多媒體資訊安全相關研究案
[其他] 小型產學或其他非正式合作案共計三案、預計與 NVIDIA 、日月光合作洽談中
實驗室訓練與規範
歡迎新生盡早加入本實驗室！本實驗室的本質就是【很操】。順利、快速畢業為目標者不是好選擇。但如果同學的選擇是願意培養扎實實作能力與尖端視覺研究，令自己未來可以有能力【選工作】，本實驗室歡迎一試。本實驗要求首重積極度、程式能力、數學能力。畢業門檻高，需有研討會報告過論文才可畢業 (可以想像未來大概不用擔心面試會緊張了)、需要每週報告進度、計畫成員需要定期到合作學校/單位開會。
本實驗室將盡力培養同學的獨立研究能力、合作能力、以及實作能力，使得同學畢業後與業界盡快接軌。有實驗室成員 (含專題生、碩士生)，皆可依每年度通過計畫的金額發配工讀薪資。每位新生 (含專題生與碩士班) 暑期皆須參加新生訓練，目標是提升學生們對於實驗室所需技能的熟練度，以及從頭開始學會如何架設深度學習平台以及其基本使用技能。學生每周需要舉行一次會議來討論進度，不需打卡，沒有進度亦可。其他細節規範可參考本實驗室網站。
專業研究能力培養面向：
口頭發表能力 (前後段需要用英文口頭發表，訓練英文能力)
學術文章撰寫能力
學術文章閱讀與整理尋找之能力
程式實作能力，畢業需要LeetCode Middle-level 5+題。
程式實作能力要求面向：
建議要進入LAB前先修的基礎能力：微積分、機率、資料結構 (特別重要，至少要會Graph)
建議使用程式語言：C、C++、C#、Python、R。
建議軟體開發工具：VIM、Visual Studio、Geany、VS code等
建議函式庫套件：Anaconda3、Tensorflow、Caffe、Torch/PyTorch、Keras、Scikit-learn等