魔術方塊app ios的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

全域顏色特徵與多重局部描述子比對應用於蝴蝶影像辨識

為了解決魔術方塊app ios的問題，作者林廷穎 這樣論述：

由於近年來台灣觀光旅遊蓬勃發展，許多民眾到戶外郊遊、公園遊憩時都有機會看到許多美麗的蝴蝶，大部分的人都會被蝴蝶翅膀上鮮豔的顏色吸引，此時就會產生好奇，並且想要更加認識與了解。以傳統來說大多數人都是以蝴蝶紙本圖鑑或是上網找尋蝴蝶相關的網站進行查詢，但以上兩種查詢方式幾乎都是以蝴蝶五大科別當作索引，這樣對原本就不熟悉蝴蝶的民眾，在查詢時還要先知道此蝴蝶是哪一類科別才能進行查詢，這樣是非常不方便且相當耗時；或者使用者會利用 Google 圖片網站進行以圖找圖，但是查詢結果發現國外蝴蝶種類遠多於台灣蝴蝶種類，並且答對正確率非常低。本論文提出「以圖找圖」的搜尋方式，以台灣常見蝴蝶94種蝶類進行實驗，蝴

蝶影像為每種10張共940張，先將影像進行前置處理的動作再做特徵擷取，最後進行特徵比對。特徵比對分為兩種方式，第一種是全域特徵，使用Histogram Intersection、K-dimensional tree、Support Vector Machine ；第二種是局部特徵：單一描述子使用 SIFT、LIOP、RI、DAISY、GB 進行比對，多描述子使用 Density、CAT、Ratio、Ranking 等特徵融合方法進行蝴蝶影像比對實驗。全域特徵使用5-Fold Cross validation 驗證方法，實驗結果Histogram Intersection 在 Top10 平均辨

識率高達 90.11%，查詢平均時間為0.000036s，本實驗為了加快搜尋速度使用 K-dimensional tree 進行實驗，結果 Top10 平均辨識率高達89.68%，查詢平均時間為0.000007s，可以得出K-dimensional tree辨識率與 Histogram Intersection 只相差 0.43%，但查詢平均時間卻快上5.14倍。本論文也使用機器學習中的 Support Vector Machine 進行實驗，結果 Top10 平均辨識率高達 95.31%，辨識率是最佳的。局部特徵多描述子實驗結果 Density 的 Mean Average Precisio

n (mAP) 高於其它三種方法平均 0.2484 左右，較適用於蝴蝶影像辨識中。

數位閱讀教學在綜合活動領域學習成效之研究--- 以國小五年級校本課程為例

為了解決魔術方塊app ios的問題，作者劉佳昀 這樣論述：

在國小教學現場，傳統授課仍為主要的教學方式，但教師若能輔以數位化教學方法來教授課程，不知是否對於提升學生的學習興趣與成效會有影響？因此，本研究目的為探討使用數位閱讀的教學方法對於國小五年級學童學習綜合活動領域之校本課程的影響。本研究採準實驗研究法，研究對象為臺北市某國小五年級學生共47名，分成控制組23人採用傳統教學法，實驗組24人採用數位閱讀方法來進行教學。研究工具為研究者自編之校本課程學習單、學習成就測驗卷。實驗課程開始前與結束後分別進行前、後測，將前、後測數據以統計軟體進行分析處理，並以質性的輔佐資料以深入了解教學實驗的效果。研究結果發現：一、實驗組學童，其校本課程的學習成效優於控制組

學童。二、教學後，不同性別的學童在校本課程的學習成效上，不會因為教學模式的不同而有所差異。三、實驗組高、低學業成就學生，對於透過數位閱讀教學方法的學習成效，比控制組高。四、質性資料分析得知，實驗組學童對數位閱讀教學法表示認同與喜愛，也認為此教學法能提升學習上的動機。