การเบลอภาพพฤติกรรมที่ไม่เหมาะสมสำหรับภาพดิจิทัลและวิดีโอโดยใช้เทคนิคการเรียนรู้แบบเชิงลึก
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ได้ทำการพัฒนาระบบการเรียนรู้เชิงลึกสำหรับการเบลอภาพพฤติกรรมที่ไม่เหมาะสม เนื่องจากมีการเผยแพร่ภาพและคลิปกันอย่างมากจึงทำให้กระบวนการในการตัดต่อภาพหรือขั้นตอนในการปิดบังภาพหรือคลิปวิดีโอที่มีพฤติกรรมที่ไม่เหมาะสมทำได้ไม่ครอบคลุม เนื่องจากต้องใช้บุคลากรจำนวนมากในการตรวจสอบภาพและคลิปวิดีโอ ดังนั้นงานวิจัยนี้จึงได้พัฒนาระบบการเบลอภาพและคลิปวิดีโอ ซึ่งมีขั้นตอนการทำงาน 3 ส่วนคือ ส่วนที่ 1 คือ การฝึกสอนระบบการเรียนรู้แบบเชิงลึกโดยใช้โมเดล Mask R-CNN และส่วนที่ 2 คือขั้นตอนของการตรวจสอบพฤติกรรมที่ไม่เหมาะสมที่ปรากฏภายในภาพและคลิป จากนั้นเมื่อรู้ตำแหน่งของพฤติกรรมที่ไม่เหมาะสมภายในภาพและคลิปแล้วในขั้นตอนสุดท้ายจะทำการเบลอส่วนนั้นด้วยตัวกรองแบบเกาส์เซียน ผลการทดลองพบว่ามีค่า Accuracy Precision Recall และ F1 score ซึ่งคำนวณได้จาก Confusion Matrix เพื่อใช้ในการประเมินประสิทธิภาพของระบบในส่วนของการเบลอภาพพบว่ามีค่า 0.82 0.88 0.91 และ 0.90 ตามลำดับ ส่วนของวิดีโอมีค่า 0.88 0.93 0.92 และ 0.93 ตามลำดับ เช่นกัน
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ใน Journal of Advanced Development in Engineering and Science ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วยหรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา ฯลฯ ที่ได้รับการตีพิมพ์ในJournal of Advanced Development in Engineering and Science ถือเป็นลิขสิทธิ์ของ Journal of Advanced Development in Engineering and Science หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก Journal of Advanced Development in Engineering and Scienceก่อนเท่านั้น
References
Bengio, Y. & Lecun, Y. (1998). Convolutional Networks for Images, Speech, and Time-Series. In Arbib, M. A. (Ed.). The Handbook of Brain Theory and Neural Networks (p. 255–258). Massachusetts: The MIT Press.
Girshick, R. (2015). Fast R-CNN. In 2015 IEEE International Conference on Computer Vision (p. 1440-1448). 11 – 18 December, 2015, Araucano Park, Chile.
Girshick, R., et al. (2014). Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. In 2014 IEEE Conference on Computer Vision and Pattern Recognition (p. 580–587). 23 – 28 June, 2014, Columbus, Ohio, USA.
He, K. (2017). Mask R-CNN. In 2017 IEEE International Conference on Computer Vision (p. 2980–2988). 22 – 29 October, 2017, Venice, Italy.
Redmon, J. (2016). You Only Look Once: Unified, Real-Time Object Detection. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (p. 779 - 788). 26 June – 1 July, 2016, Las Vegas, NV, USA.
Wongta, P. (2017). Vision-Based Bus Route Number Reader, (Master thesis, Chulalongkorn University). (in Thai)
Sanuksan, J. & Surinta, O. (2019). Deep Convolutional Neural Networks for Plant Recognition in Natural Environment, Journal of Science and Technology Mahasarakham University, 38(2), 113–124. (in Thai)
Manokij, F. (2019). Thailand’s Precipitation Forecasting Using Deep Learning Approach, (Master thesis, Chulalongkorn University). (in Thai)
Yongying, N. (2019). A Deep Learning Approach on Road Detection from Unmanned Aerial Vehicle-Based Images in Rural Road Monitoring, (Master thesis, Naresuan University). (in Thai)
Rattanachot, P. (2019). Automated Plant Disease Detection using Drones and Deep Learning, (Master Thesis, Dhurakij Pundit University). (in Thai)
Posawang, P., et al. (2021). The Road Surface Anomalies Detection using Deep Convolutional Neural Networks with Transfer Learning Technique. Information Technology Journal, 17(1), 31-42. (in Thai)
Metkarunchit, T. & Charoenpojvajana, K. (2020). Detection of COVID-19 using Deep Learning with CT Scan Images. TNI Journal of Engineering and Technology, 8(2), 8-17. (in Thai)
Tipakorn, K. & Tanasai, S. (2021). Rice Image Segmentation using Deep Learning. In The 11th National and the 5th International PIM Conference (p.510 – 523). 16 July, 2021, Nonthaburi, Thailand. (in Thai)
Worasit, T., et al. (2022). Rice Bacterial Blight And Blast Diseases Recognition using Deep Learning Techniques. Khon Kaen Agriculture Journal, 50(1), 216-228. (in Thai)
Parinee, A., et al. (2022). Laser Pointer Control for Deep Learning Human Detection. Journal of Science and Technology Mahasaraknam University, 41(3), 151-163. (in Thai)
Saisangchan, U. (2022). Analysis of Lime Leaf Disease using Deep Learning. Journal of Applied Informatics and Technology, 4(1), 71-86. (in Thai)