主題介紹
隨著地球暖化的程度越來越嚴重，環境改變偵測的議題越來越被重視。在這個計畫中
，我們使用了簡單的電腦視覺技術，自動尋找特定地理位置上的環境改變，我們將提
出的方法與pixellib的semantic segmentation做比較，結果顯示，我們的方法不管是
在演算法的複雜度跟有效性上面，都超過了pixellib的方法。接著，我們為我們的方法
做了簡單的使用介面，讓使用者可以藉由簡單的介面去觀察環境的改變，我們希望藉
由這樣的方式，可以讓大家更重視全球暖化的議題。

成果說明
高美濕地 (Gaomei Wetland) Semantic Segmentation Proposed
我們的系統會針對使用者輸入的特定景點做GPS位址轉換，再根據GPS位址抓取特
定倍率的衛星圖，接著我們根據衛星圖像做進一步的分析。底下圖形最左邊為程式
根據不同的圖磚伺服器抓下來的衛星圖，中間是pixellib做semantic segmenation後
的結果，最右邊是我們的方法做出來的結果。
結果顯示，我們的方法比pixellib的semantic sementation更能夠有效率的標示出水
域及其他特定區域的範圍。長期來說，更可以自動化偵測環境隨著時間的改變。

總結
在這個計畫中，我們建立了一個系統，這個系統可以自動地標註特定的環境區域（如
水域），並可以很容易的計算面積大小（根據pixel的數量及對應的pixel的大小），我們
的方法跟其他使用深度學習的方法（如pixellib）比較起來，有更高的效率，並能夠更準
確地標註特定區域的範圍。除了以上的優點，我們還建立了簡易的使用者介面，讓使
用者可以直接觀察環境改變的狀況，這個服務可以很容易的佈署上雲端讓更多使用
者可以透過移動裝置，雖時觀察特定區域環境的改變，提高使用者對全球暖化嚴重程
度的認知，促使他們進一步的一起保護地球。

參考資料
● https://www.maptiler.com/google-maps-coordinates-tile-bounds-projection/#6/
-112.60/41.86
● https://wiki.openstreetmap.org/wiki/Slippy_map_tilenames
● https://github.com/ayoolaolafenwa/PixelLib
● https://docs.opencv.org/3.4/d7/d1b/group__imgproc__misc.html#gaf1f55a048
f8a45bc3383586e80b1f0d0