獨創智慧運算理論 成大電機系林家祥精準重建高光譜衛星影像
成大電機系副教授林家祥獨創CODE理論精準重建高光譜衛星影像。圖：成功大學提供
為有效解決高光譜衛星影像辨識與重建，成大電機系副教授林家祥結合人工智慧的「深度學習」與數學函數理論「凸優化」，發展出獨一無二的「CODE理論」把消失的影像「算」回來，其運算效率與影像還原度領先全球現有技術，其研發成果對太空遙測技術具重要價值，獲刊「衛星遙測」領域指標性期刊《IEEE Transactions on Geoscience and Remote Sensing》。
出自民生經濟與國防軍事用途，人類借助現代科技發射低軌道衛星回傳高光譜影像以觀測地表構造與物質，但這類「高光譜衛星影像」有別於一般RGB三原色（紅、綠、藍）相組成的影像，足以捕捉多達242種不同頻譜（以NASA Hyperion衛星影像為例），因此造價不斐，也因為取得管道少，有錢也不見得買得到，倘若因為衛星感測器失靈導致購得的影像殘缺，更將造成許多不便。
最左邊為衛星成功拍攝之完整畫面，第二排為感測器失效時所拍攝的殘缺畫面，最右側為。圖：成功大學提供
「凸優化」又稱作凸函數最佳化，是數學最佳化問題中的一個子領域，探討定義於某一抽象集合中的局部最佳值，同時也是全局最佳值。成大電機系副教授林家祥說，為解決高光譜影像辨識與重建，工程師們常選擇以人工智慧的「深度學習」或以數理運算為基礎的「凸優化」其一作為解決問題的切入點，長期以來這兩項工具各有優點而未被彼此取代。
「深度學習」可以透過大數據訓練人工智慧，無須複雜的數學運算也能重現消失的衛星影像，但蒐集多達百萬筆的「大數據」，就得耗費半年到一年的時間，更何況是每一筆資料都是造價高昂的衛星影像；反觀以數理運算為基礎的「凸優化」，僅只需要單筆或少量數據即可運算並還原影像原貌，但這類影像處理方式需要經歷繁複的公式簡化過程，有時甚至需要具備數學系碩士以上的學識才能達成這項工作。
林家祥指出，在高光譜影像辨識領域，比較不具備數學背景的學生和一般軟體工程師常會因時間或技術上的限制，遇到軟體開發困境。而以往用單筆數據或小數據就能精準重現衛星影像是幾乎不可能的，就算能夠重現，補回來的影像也會模糊或有色差，與實景不符，更遑論以此判斷衛星影像細部物質差異的功能。「但是我們相信，就算在這麼粗略的成像裡面，還是具有關鍵且有價值的資訊。」
秉持這個信念，林家祥與團隊將凸優化概念引入深度學習，透過「Q範數」（Q-Norm，基於「特徵數值皆大於零」的矩陣Q而設計的數學函數）調節因子作為人工智慧深度學習的核心運算公式，並為該理論原型命名為「ADMM-Adam」，最終成功萃取小數據成像中的關鍵資訊，還原衛星影像完整面貌。
>> 1111 TUN大學網
university.1111.com.tw/index.asp
>>科技島社群 Tech Nice
https://www.technice.com.tw/
>> 最新職訓補助課→點我
https://is.gd/axnylY
>> 1111家教網
tutor.1111.com.tw/
>> 工作新鮮事都在1111 IG
https://www.instagram.com/1111.com.tw/
>>知名大學聯合校徵
https://www.1111.com.tw/campusr/
成功大學林家祥副教授深度學習數學函數凸優化深度學習