驗證verification與確效val的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

黑豆油高光譜分析與色素含量之研究

為了解決驗證verification與確效val的問題，作者吳致嘉 這樣論述：

黑豆 (Glycine max L.) 富含蛋白質、碳水化合物和脂肪類，並含有礦物質、維生素、葉酸、花青素 (anthocyanin)、異黃酮、類黃酮、卵磷脂、酚酸等營養物質，為人們飲食中良好的營養成份來源。黑豆之初級壓榨黑豆油富含花青素、類胡蘿蔔素 (carotenoid) 和葉綠素 (chlorophyll) 等色素，這些色素對人體具有保健功效。目前黑豆油色素之相關研究極少，因此本研究擬透過利用高光譜吸收值與色素指數來建立簡單、快速並準確地測定黑豆油色素含量之預測模式。試驗材料之黑豆油以黑豆「台南3號」為原料，進行3種種皮添加和2種儲藏期間處理。測定黑豆油之高光譜吸收值以及花青素、類胡蘿

蔔素、葉綠素a、葉黃素 (lutein)、玉米黃素 (zeaxanthin) 和葉綠素b含量。高光譜吸收值和色素指數與黑豆油中個別色素含量進行相關分析，並建立黑豆油色素預測模式。進一步將蒐集的9種黑豆油驗證樣品之高光譜吸收值和色素指數代入個別預測模式中，獲得各色素含量之預測值與實測值以殘差分析進行驗證。黑豆油花青素含量之最佳預測模式為高光譜吸收值A530和A649，差異色素指數DPI535, 524、DPI650, 575、DPI650, 588和DPI600, 710之預測模式。黑豆油類胡蘿蔔素含量之最佳預測模式為高光譜吸收值A440，差異色素指數DPI441, 524、DPI441, 57

5、DPI441, 588、DPI440, 710和DPI578, 710之預測模式。黑豆油葉綠素a含量之最佳預測模式為高光譜吸收值A450和A667，差異色素指數DPI668, 524、DPI430, 575、DPI667, 575和DPI667, 588之預測模式。葉黃素相對含量之最佳預測模式為高光譜吸收值A522和A547之預測模式。玉米黃素相對含量之最佳預測模式為高光譜吸收值A727之預測模式。葉綠素b相對含量之最佳預測模式為高光譜吸收值A641，差異色素指數DPI640, 575、DPI641, 588和DPI640, 710，比率色素指數RPI590, 575和RPI641, 71

0之預測模式

基於時空語義特徵之視頻多目標行為識別研究

為了解決驗證verification與確效val的問題，作者林裕程 這樣論述：

近些年，行為識別有著廣泛的應用背景，如人機互動、智能監控、球員行為分析、影像編碼、運動員輔助訓練等等。在這些應用的驅動中，行為識別已經成為圖像分析、神經生理學、心理學等相關領域的研究熱點。目前大多數人體行為識別都是視頻輸入每一幀進行人體檢測，並計算每一個框的重疊率判斷是否是跟上一幀同一目標，再進行行為識別，所以演算法實時性不高。因此本論文利用多目標追蹤來代替每一幀檢測，以達到實時效果，同時利用目標的位移向量來提高行為識別的準確性。本論文主要是基於時空語義特徵之視頻多目標行為識別研究。首先我們利用YOLOv3當作人類辨識器來識別其籃球比賽的所有人，但是由於籃球比賽中除了場上的球員，還包含了場外

的板凳球員和觀眾，所以我們需要透過顏色空間轉換並提取球場顏色，來取得球場範圍，之後藉由球場範圍和人類辨識器的結果得到場內球員的資訊。接著透過核化相關濾波器(Kernelized Correlation Filter, KCF)針對各個球員進行追蹤，並取得各個球員一段時間的資訊，藉由追蹤結果，把一段球員影像送入至三維卷積神經網路後得到球員短時間的動作編碼，也就是時空語義特徵，為了避免只有球員的肢體動作，而沒有球員之行為所造成的移動資訊，故本論文透過融合三維卷積神經網路的時空語義特徵和跟蹤目標的位移向量送入至長短時記憶網路(Long Short-Term Memory Network, LSTM)

進行行為識別。最後，本論文亦藉由NBA比賽影像資訊進行功能驗證與量化分析，多目標行為識別能以14.7 FPS的影格率運行，並從行為識別輸入的時間長短的量化分析中得知，對於籃球的行為識別，並不是時間愈長愈好，其最終的量化分析中可得知，加入球員軌跡能有效提升球員行為識別之準確率。