已經跟呼吸一樣重要的網路和手機論文書籍站
http://nas ip:8080的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學
國立政治大學 法學院碩士在職專班 楊雲驊所指導 蕭國振的 「視覺辨識」科技偵查措施之適法性—以隱私權為核心— （2021），提出http://nas ip:8080關鍵因素是什麼，來自於隱私權、資訊自主權、視覺辨識、科技偵查、雲龍系統。
而第二篇論文國立臺北科技大學 製造科技研究所 丁振卿所指導 嚴子程的 智慧工廠整合暨人工智慧瑕疵檢測實務應用技術開發 （2020），提出因為有 工業4.0、智慧製造、人工智慧、深度學習、瑕疵檢驗、物聯網的重點而找出了 http://nas ip:8080的解答。
「視覺辨識」科技偵查措施之適法性—以隱私權為核心—
為了解決http://nas ip:8080 的問題，作者蕭國振 這樣論述：
執法機關運用科技設備偵辦刑案，有利於蒐集犯罪事證及提升破案效率，由於立法跟不上科技發展的步伐，使得新型態科技執法欠缺授權依據。2020年9月8日法務部預告制定「科技偵查法」草案，引發社會輿論譁然，認為政府如同電影「全民公敵」片中的橋段，會肆無忌憚的進行全面監控，嚴重侵害人民隱私及資訊自主權益。弔詭的是，大街小巷攝影鏡頭設置越來越多、密度越來越高，民眾反而不以為意，甚至認同廣為設置是種保障措施，有助預防或嚇阻犯罪發生。惟「科技偵查法」草案未將監視系統予以納管規範，有關監視儲存資訊管理，散見於個人資料保護法、警察職權行使法、地方自治條例及相關行政規則等。現行調閱監視器拍攝畫面之偵查作為，實務界定
為刑事訟訴法第228條第1項、第230條第2項一般授權條款之範疇。殊不知科技的發展進步快速，以人工智慧深層學習演算法和卷積神經網路的分析架構，進行影像視訊的偵測與追蹤，透過監視器將所攝得影像轉換成數位資訊儲存在伺服主機，利用程式檢索資料庫進行數據分析，統稱為「視覺辨識」技術之應用。目前警方偵查刑案所仰賴「雲龍系統－雲端智慧型影像檢索服務」為是類科技的應用之一，其功能之強大如上帝之眼，能夠追溯過去蹤跡、鎖定現在位置以及預判未來動向，進而繪製出私人之生活圖像、數位足跡。此類科技偵查措施，可以不斷地更新程式、創設功能，突破物理世界的侷限，以跨越多維空間的方式，無聲無息監控人民生活，嚴重干預隱私權及資
訊自主權。本文首重探討「雲龍系統－雲端智慧型影像檢索服務」之車行紀錄查詢系統，在刑事訴追程序中的定位及屬性，並同時研析相關科技偵查措施之授權依據，以便確立將來執行之判準。
智慧工廠整合暨人工智慧瑕疵檢測實務應用技術開發
為了解決http://nas ip:8080 的問題，作者嚴子程 這樣論述：
摘要.................................................................................................................................... iABSTRACT....................................................................................................................... ii誌謝...............................
..................................................................................................... iv目錄.................................................................................................................................... v表目錄.........................................................
....................................................................... ix圖目錄................................................................................................................................ x第一章緒論........................................................................................
............................ 11.1 研究背景.......................................................................................................... 11.2 文獻回顧.......................................................................................................... 31.2.1 工業4.0 與智慧工廠相關策略.................
............................................ 31.2.2 人工智慧與深度學習之發展............................................................... 41.2.3 人工智慧機器視覺與智慧工廠之應用............................................... 61.3 研究動機與目的.........................................................................................
..... 8第二章基礎理論............................................................................................................ 92.1 雲端資訊系統整合.......................................................................................... 92.1.1 智慧工廠整合及其資通訊管理.....................................................
...... 92.1.2 智慧排單管理與資訊可視化............................................................... 102.1.3 AI品質管制智動化.............................................................................. 112.2 區域網路........................................................................................................
.. 112.2.1 TCP / IP通訊協議................................................................................ 132.2.2 通訊埠轉發........................................................................................... 142.2.3 TCP Socket介面程式.....................................................................
....... 142.3 網路伺服器架設.............................................................................................. 152.3.1 HTML、CSS與JavaScript .................................................................. 162.3.2 PHP與MySQL .......................................................................
.............. 162.4 影像處理.......................................................................................................... 172.4.1 光學變焦與數位變焦........................................................................... 172.4.2 影像目標框列與裁剪..........................................................
................. 182.5 人工神經網路與深度學習.............................................................................. 182.5.1 人工神經網路....................................................................................... 182.5.2 卷積神經網路(Convolutional Neural Network, CNN) ........................ 222.5.3 M
ask R-CNN......................................................................................... 252.5.4 物件分類、目標檢測與影像分割模型之應用................................... 282.6 雲端與物聯網裝置之應用.............................................................................. 292.6.1 Raspberry Pi 4B與MJPEG-Streamer ...
................................................ 302.6.2 雲端與影像儲存................................................................................... 30第三章實驗架設............................................................................................................ 323.1 智能工業生產教學工廠..................
................................................................ 323.1.1 智能工業生產教學工廠配置............................................................... 323.1.2 區域網路之硬體架設........................................................................... 333.2 伺服器架設...............................................
....................................................... 343.2.1 WEB伺服器架設................................................................................. 353.2.2 AI演算伺服器架設.............................................................................. 363.3 視覺瑕疵檢測機制及其應用周邊軟體開發..........................
........................ 373.3.1 基於影像處理之物件偵測程式撰寫................................................... 383.3.2 數位變焦程式撰寫............................................................................... 393.3.3 圖像擴增GUI軟體介面....................................................................... 413.3.4 資料分類與
標註................................................................................... 423.3.5 AI瑕疵檢測平台與模型建立.............................................................. 453.4 物聯網裝置及其應用架設.............................................................................. 473.4.1 AI檢測平台之硬體設備...............
....................................................... 473.4.2 瑕疵檢測之即時影像........................................................................... 483.4.3 影像資訊回饋與資料庫之應用........................................................... 503.4.4 AI 瑕疵檢測應用流程機制.................................................
................. 513.5 智慧工廠可視化資訊整合看板...................................................................... 533.5.1 網頁可視化資訊整合系統................................................................... 533.5.2 可視化資訊看板架設........................................................................... 55第四章結果與討論..
...................................................................................................... 574.1 區域網路導入對於資訊整合之探討.............................................................. 574.1.1 區域網路於智慧工廠之應用............................................................... 574.1.2 內部伺服器管理與對外服務.........
...................................................... 594.1.3 物聯網裝置與資訊看板....................................................................... 604.1.4 智慧工廠區域網路設置與伺服器整合規劃....................................... 624.2 伺服器開發環境架設之成效評估.................................................................. 62
4.2.1 伺服器系統選用及其分析................................................................... 634.2.1.1 Linux系統權限管理與其限制............................................... 644.2.1.2 Linux系統於改善工作效率之探討....................................... 664.2.2 Multi-GPU對於AI模型開發之影響...............................................
.... 664.2.2.1 平行運算與其系統開發框架之探討...................................... 674.2.2.2 Batch Size對於AI模型訓練之效益評估.............................. 684.3 深度學習視覺辨識在工廠端的應用探討...................................................... 694.3.1 AI視覺檢測在實務現場之應用領域.................................................. 704.3.2 AI與AOI
在瑕疵檢測之應用探討...................................................... 714.3.3 AI模型建立與探討.............................................................................. 734.3.3.1 圖像擴增與遷移式學習模型之成效評估.............................. 744.3.3.2 瑕疵特徵之萃取與影像分類在瑕疵檢測上的實務應用探討..............................................
............................................ 764.3.3.3 影像分類與實例分割模型在瑕疵檢測上的實務應用探討.............................................................................................. 784.4 影像處理程式編程在實務應用之探討.......................................................... 804.4.1 自動物件框列開發目的與問題探討......................
............................. 804.4.2 數位變焦與光學變焦的實務應用與討論........................................... 834.4.3 GUI圖像擴增對於瑕疵檢測模型訓練應用探討............................... 844.5 物聯網裝置在視覺瑕疵檢測之應用.............................................................. 854.5.1 Raspberry Pi在工業上視覺檢測應用之探討.......................
.............. 854.5.2 基於HTTP 協議之動態影像串流及其應用探討................................ 864.6 可視化資訊整合看板...................................................................................... 874.6.1 智慧工廠網頁工單排程系統及其可視化看板................................... 874.6.2 AI瑕疵檢測結合網頁之可視化資訊看板...............................
........... 88第五章結論.................................................................................................................... 90第六章未來展望............................................................................................................ 92參考文獻........................................
.................................................................................... 93