海巡季刊第105期

作飛行後，再以人工方式分析無人機回傳畫面，提 供指揮官指揮運用（如圖 13 、 14 13 ）。 然而海面上的風景，都是千篇一律的海藍色， 除非是非常顯眼的目標，僅靠人眼的能力十分有 限，但若依樣畫葫蘆又把無人機的圖像資料送進 CNN 網路訓練，如氣象不佳導致光源差異，那麼 我們所訓練出來的模型就非常有可能造成誤判， 爰為合理解決這個問題，筆者研讀了一篇來自英 國 Queen’s University Belfast 大學的「 Attention- Based Two-Stream Convolutional Networks for Face Spoofing Detection 」論文，其中的概念恰好 可以參考運用。 14 簡單來說這個論文的方法除了前面的 CNN 網 路訓練方式外，另外導入了「 SMR 」的前處理及 「 Visual Attention Model 」的融合後處理方式，在 前處理的部分，導入「多尺度 Retinex （ SMR ）」 運算，這是一種可以忽略光源因素的影像處理技 術，故可先將無人機所拍到的一般影像，進行 SMR 處理後，即可解決天候光源的問題，而在後處理 的部分，則是在一般的影像 CNN 訓練與 SMR 影像 CNN 訓練後，如何將兩路的結果融合出我們想要 的模型，就是利用「 Visual Attention Model 」演算 法，加入人工調校的權重後，產出最終結果，也就 是筆者想要的無人機巡邏模型（流程圖如圖 15 ）。 13. 〈海巡無人機區隊首次出勤，就抓到違規釣魚民眾〉， LINE TODAY ， 2019 年 4 月 8 日， https://today.line.me/ tw/article/ 海巡無人機區隊首次出勤 %E3%80%80 就抓到違規釣魚民眾 -78DQZZ 。 14. 〈 Attention-Based Two-Stream Convolutional Networks for Face Spoofing Detection 〉， IEEE Transactions on Information Forensics and Security (Volume: 15) ， 2019 年 6 月 17 日。 圖 13 　旋翼型無人機小組執勤畫面 圖 14 　旋翼型無人機畫面 圖 15 Two-Stream CNN （ TSCNN ）流程圖 69 季刊 Coast Guard Administration Ocean Affairs Council 季刊│ No.105 Sep. 2020