การผสมรวมข้อมูลเข้าหลายค่าเพื่อจำแนกใบหน้าสวมหน้ากากโดยใช้ CNN

Conference proceedings article

ผู้เขียน/บรรณาธิการ

นิวรรณ วัฒนกิจรุ่งโรจน์

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

เรียนรู้ของเครื่อง (การวิเคราะห์ข้อมูลขนาดใหญ่)

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Peemakarn Rujirapong, Wiphada Wettayaprasit and Niwan Wattanakitrungroj

ปีที่เผยแพร่ (ค.ศ.): 2022

ชื่อชุด: -

เลขในชุด: 14

Volume number: -

หน้าแรก: 1

หน้าสุดท้าย: 6

จำนวนหน้า: 6

URL: https://citt.or.th/ncit2022/

ภาษา: Thai (TH)

ดูบนเว็บไซต์ของสำนักพิมพ์

บทคัดย่อ

การตรวจจับวัตถุสามารถนำมาประยุกต์ใช้งานได้หลากหลายรูปแบบ การจำแนกใบหน้าว่าใบหน้านั้นใส่หน้ากากถูกต้อง ใส่หน้ากากไม่ถูกต้องหรือไม่ใส่หน้ากากเป็นการประยุกต์ใช้งานที่เป็นประโยชน์มากในสถานการณ์ปัจจุบัน งานวิจัยชิ้นนี้เสนอขั้นตอนวิธีการผสมรวมกันของข้อมูลที่สนับสนุนการตัดสินใจได้ดีขึ้น ขั้นตอนการทำงานประกอบไปด้วย 1) การตรวจจับใบหน้า จมูก และปากโดยใช้ Multi-task Cascaded Convolutional Networks (MTCNN) 2) การสกัดคุณลักษณะรูป ใบหน้า รูปจมูก รูปปาก และ 3) การจำแนกประเภทใบหน้าจากการผสมรวมข้อมูลเข้าหลายค่าโดยใช้ CNN ข้อมูลที่ใช้ในการทดลองคือข้อมูล Face Mask Label Dataset (FMLD) และ ข้อมูล Andrewmvd Face Mask Detection Kaggle (AFMDK) ผลการทดลองโมเดลแบบการผสมรวมข้อมูลเข้าหลายค่า (Multiple Inputs Ensembling: MIE) ที่นำเสนอมีค่าความ
ถูกต้อง ค่าความแม่นยำ ค่าความครบถ้วน และค่า F1 ที่มีประสิทธิภาพสูงกว่าแบบข้อมูลเข้าเชิงเดี่ยวในทั้งสองชุดข้อมูล

คำสำคัญ

Deep learning, Face Classification, Feature extraction, การจำแนกใบหน้า, การเรียนรู้เชิงลึก, การสกัดคุณลักษณะ, เครือข่ายประสาทแบบคอนโวลูชัน (Convolutional Neural Networks)