Flickr Pro 2021的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列特價商品、必買資訊和推薦清單

應用深度學習建立 Litton視覺景觀分類模型 -以日月潭、陽明山及澎湖三處風景區為例

為了解決Flickr Pro 2021的問題，作者李沁築 這樣論述：

景觀評估的方法有很多種類，其中專家法的實用性，在環境規劃和管理中可發揮很大的作用，Litton提出的景觀描述紀錄法以視覺的角度為出發點，以六大視覺因子歸納出七大視覺景觀分類，相比於後續延伸出的其他專家評估方法，其方法著重探討景觀與觀賞者的關係，是符合以視覺原理來進行景觀評估的方法。近年來在人工智慧飛快發展下，資料探勘與辨識的自動化，加速許多領域的研究，深度學習領域中的”卷積神經網路”在圖像辨識的領域中有極大的影響，學習人類觀察圖片的行為，自動特徵抽取圖片的特徵，遷移學習及微調方法則可以站在巨人的肩膀上，透過遷移前人已訓練完成之模型，達到縮減訓練成本的效果。本研究目的為以深度學習及遷移學習方式

，訓練可辨識Litton七大視覺景觀分類之模型。研究流程為，先收集圖片資料集，透過人工為主電腦為輔的圖片篩選方式，篩選符合七類視覺景觀分類的圖片，建立本研究模型的資料集；模型訓練以不同的微調方法，包括：凍結神經網路架構作為特徵提取器、測試預訓練資料集差異、訓練迭代次數調整、以有序式或自應式方法調整學習率數值，找出最佳的分類模型微調方法；以5-fold方法及混淆矩陣方法驗證其分類模型訓練的狀況，挑選出最佳的分類模型，最後，分析部分國家風景區的圖片，用以驗證本研究模型應用於實地評估上之可行性，測試本研究模型之泛化能力。應用方面，以下載Flickr平台中帶有地理座標的圖片，使用國家風景區或風景區內的

熱門景點作為關鍵字，應用分類模型進行分析，搭配ArcGIS pro繪製內核密度圖，及分析風景區內的熱門景點的照片，分析出國家風景區中，視覺景觀類型的分佈狀況，以提供規劃國家風景區時的一個參考。

生成以擴增式動畫為基礎的街景導覽體驗

為了解決Flickr Pro 2021的問題，作者洪晧銘 這樣論述：

街景導覽一直是現在主流的導覽工具，但是有時候在使用 Google 進行導覽的時候，常因不確定附近地標，常需要切換 Google Maps 與 Google Street View 來確認道路、地標。因此本研究旨在提升使用者在使用上的方便程度，透過我們自行製作的使用者介面與 Google API 進行互動，於本系統即可達到路經規劃、產出導覽影片的功能。而在產出導覽影片上，為讓使用者可以更加直觀理解因此本研究提出了一個內差的方法，提升街景影片的順暢度。並且為了使系統也可以達到更貼近真實世界的影像，因此我們也從 Flickr 收集世界各地的風景照片，並進一步針對街景影像進行影像處理，產出貼近真實世

界的導覽影像。並且我們也透過不一樣的影像處理手法，如:卡通化、NPR... 等，使得導覽影片有更加豐富的效果，產出的影片更可以提供給使用者作為回憶，並且也可以排解現在因疫情影響，無法出國旅遊的心情。