| 成果內容說明 |
本案藉由PoseNet之類神經網路，設計不同之輸入影像尺寸、輸出姿態、架構模型、損失函數等，評估其精度的影響。針對故宮南院之數據集進行實驗，分析影像前處理格式、調整損失函數前後、搭配轉移學習這三者之間的精度，同時使用預訓練模型來輔助實驗與分析，透過初始化類神經網路並加載預訓練模型，以獲取網路隨機的初始權重，幫助類神經網路快速學習局部特徵。實驗結果表明，縮小場域範圍能讓整體位置誤差下降約60%左右的精度；考量了繞圈、彎曲行走和來回走之軌跡，其位置中值誤差沒有太大的起伏，因此本團隊認為在蒐集影像以及地理位置資訊時，並不需要設計特定的軌跡，測試樣本只需要被包覆在訓練樣本裡即可得到不低的位置精度。 |