ระบบรู้จำใบหน้าและอารมณ์ของผู้เรียนสำหรับสภาพแวดล้อมการเรียนรู้แบบปรับเหมาะ

Face and emotion recognition system for adaptive learning environment

Name: พนเมษ ญาณฐิติรัตน์

ThaSH: การรับรู้ใบหน้า

ThaSH: การพิสูจน์ตัวจริง

ThaSH: การประมวลผลภาพ

ThaSH: การเรียนการสอนผ่านเว็บ

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: คอมพิวเตอร์วิทัศน์

Abstract: เทคโนโลยีในปัจจุบันมีความทันสมัยมากขึ้น ส่งผลให้การจัดการเรียนการสอนแบบออนไลน์ได้รับความนิยมเพิ่มขึ้นตามไปด้วย ผู้เรียนสามารถเข้าถึงเนื้อหาได้ง่ายกว่าการเรียนแบบปกติ แต่ยังมีข้อจำกัดในการระบุตัวตนของผู้เรียน รวมถึงการประเมินผลการเรียนรู้ในด้านการแสดงออกทางอารมณ์ เนื่องจากผู้เรียนไม่ได้มีปฏิสัมพันธ์กับผู้สอนโดยตรง ดังนั้น เทคนิคการรู้จำใบหน้า และเทคนิคการรู้จำการแสดงอารมณ์ออกทางใบหน้า จึงเป็นวิธีที่เหมาะสมที่สุดในการแก้ปัญหาที่กล่าวมาข้างต้น โดยใช้ภาพถ่ายใบหน้าของผู้เรียนในขณะเรียนแบบออนไลน์ มาทำการวิเคราะห์ ผู้วิจัยได้นำเทคนิคโครงข่ายประสาทเทียมแบบคอนโวลูชั่นมาพัฒนาการรู้จำใบหน้า โดยนำแบบจำลอง NN4 จากงานวิจัย FaceNet ที่มีความแม่นยำสูง ร่วมกับชุดข้อมูลภาพ CED2017 ของนักศึกษา ภาควิชาคอมพิวเตอร์ศึกษา จำนวน 65 คน คนละ 3 ภาพ โดยการจับคู่เปรียบเทียบภาพใบหน้า พบว่า การกำหนดค่าขีดแบ่งของบุคคลด้วยค่าขีดแบ่งที่มากที่สุด มีอัตราการตรวจสอบที่ถูกต้องอยู่ที่ร้อยละ 100 และมีอัตราความผิดพลาดอันเป็นเท็จอยู่ที่ร้อยละ 21.92 ในกรณีที่ภาพถ่ายรายบุคคลน้อยกว่า 3 ภาพ จะใช้การกำหนดค่าขีดแบ่งกลางที่ 0.57 โดยมีอัตราการตรวจสอบที่ถูกต้องอยู่ที่ร้อยละ 75.89 และมีอัตราความผิดพลาดอันเป็นเท็จอยู่ที่ร้อยละ 17.84 ส่วนการรู้จำการแสดงอารมณ์ออกทางใบหน้า เริ่มจากการนำชุดข้อมูลภาพ FER2013 มากำหนดเป็น 3 ประเภทอารมณ์ ได้แก่ กลุ่มอารมณ์เชิงลบ กลุ่มอารมณ์ปกติและกลุ่มอารมณ์ เชิงบวก โดยชุดข้อมูลภาพได้ผ่านวิธีการประมวลผลภาพ 18 รูปแบบก่อนนำมาฝึกสอนแบบจำลองที่มีโครงสร้างที่แตกต่างกันอย่างละ 8 แบบจำลอง ผลลัพธ์จากการเปรียบเทียบค่าความถูกต้อง พบว่าแบบจำลอง 3CNNs New Group Alignment with Flip มีค่าความถูกต้องอยู่ที่ร้อยละ 84.22 และค่าความถูกต้องจากชุดข้อมูลภาพ SEARCH อยู่ที่ร้อยละ 92.5

Abstract: Online instruction has been increasingly popular because the accessibility to content via this method is easier than conventional instruction. However, there are some limitations about user verification and learning evaluation in terms of emotion expression because a learner does not interact directly with an instructor. Therefore, face recognition and face expression recognition are suitable techniques to solve this problem through the analysis of learner’s face images while an online course. For face recognition, the researcher employed a convolutional neural network and NN4 model from FaceNet research on data set of 65 students at the Department of Computer Education, each with 3 images, using the maximum threshold. The results showed that the validation rate was at 100% and the false accept rate was at 21.92%. If the number of images is less than 3, the results showed that threshold at 0.57 was a level that yielded the best performance of face recognition of CED2017 data set. The validation rate was at 75.89% and the false accept rate was at 17.84%. For face expression recognition, the researcher employed a convolutional neural network with FER2013 data set divided into three categories, namely negative, normal, and positive emotions. The data set was first passed through 18 image processing methods before being trained with 8 different models for comparisons. The comparative results showed that 3CNNs New Group Alignment with Flip had the accuracy of 84.22% and SEARCH data set had the accuracy of 92.5%.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: จรัญ แสนราช

Role: ที่ปรึกษาวิทยานิพนธ์

Email : charun.s@fte.kmutnb.ac.th

Name: สรเดช ครุฑจ้อน

Role: ที่ปรึกษาวิทยานิพนธ์

Email : soradech.k@fte.kmutnb.ac.th

Created: 2561

Modified: 2566-09-07

Issued: 2563-12-03

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: ครุศาสตร์อุตสาหกรรมมหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีคอมพิวเตอร์

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B17194076.pdf	6.13 MB	6	2025-10-30 23:15:03

ใช้เวลา

0.027322 วินาที