การปรับปรุงประสิทธิภาพ Transfer learning โดยใช้ Kalman filter Stochastic Gradient Descent : รายงานการวิจัยฉบับสมบูรณ์

Improve transfer learning performance by using Kalman-based Stochastic Gradient Descent

Name: พัชรินทร์ คำสิงห์

ThaSH: ระบบกำหนดตำแหน่งบนโลก -- วิจัย(+)

ThaSH: ภาพถ่ายทางอากาศ -- วิจัย

Abstract: วิธีการในการระบุวัตถุโดยอัตโนมัติ เป็นปัญหาวิจัยที่ยังต้องการการพัฒนาและศึกษา ซึ่งตัวอย่างในอุตสาหกรรมการบินก็สามารถนำระบบการระบุวัตถุอัตโนมัตินั้นมาใช้ เช่น ในกรณีของการระบุว่าวัตถุในภาพถ่ายดาวเทียมเป็นเครื่องบินหรือไม่ เพราะสามารถนำเอาผลการศึกษาวิจัยมาใช้ในการตรวจสอบและควบคุมภายในสนามบิน เพื่อให้การใช้พื้นที่ในสนามบินเกิดประสิทธิภาพอย่างสูงสุด นอกจากนี้ยังสามารถนำไปใช้ในทางทหารได้ด้วย ในงานวิจัยนี้ได้นำเอาวิธีการที่เรียกว่า Deep Convolutional Neural Networks (CNN) มาใช้ในการระบุวัตถุ ซึ่งเป็นวัตถุที่เป็นเครื่องบิน และไม่ใช่เครื่องบิน โดยใช้ข้อมูลจากภาพถ่ายดาวเทียมที่เป็นข้อมูลมาตรฐานและได้รับการ clean เรียบร้อยแล้ว โดยข้อมูลนี้มีชื่อว่า planesnet ในการวิจัยนี้ใช้เทคนิคที่เรียกว่า transfer learning ซึ่งเป็นเทคนิคที่มีจุดประสงค์เพื่อกำจัดอุปสรรคของการใช้งาน CNN แบบเก่า ซึ่งได้แก่ข้อจำกัดในเรื่องของการคำนวณที่ใช้เวลานาน โดยใช้วิธีการเพิ่มชั้น หรือ layer บนสุดของโครงสร้างโมเดลที่เรียกว่า pre-trained โดยเพิ่มชั้นของ a fully connected layer และ softmax layer เพื่อเป็นการเพิ่มข้อมูลและ class ของข้อมูลที่สนใจ แล้วจึงทำการ re-train อีกครั้ง การออกแบบการทดลองสำหรับการใช้งาน pre-trained model นั้น ได้มีการออกแบบให้ทำการทดสอบกับหลายๆ optimizer เพื่อเปรียบเทียบผลการทดลอง โดยในการทดลองได้ใช้ optimizerทั้งหมด 4 ตัว ได้แก่ Stochastic Gradient Descent optimizer, Adam Optimizer, PowerSign optimizer, AddSign optimizer ซึ่ง Stochastic Gradient Descent optimizer และ Adam Optimizer เป็นวิธีการที่เป็นที่นิยมประยุกต์ใช้งานในหลายๆ งาน ส่วน PowerSign optimizer และ AddSign optimizer เป็นวิธีการในการลดความผิดพลาด ซึ่งคิดค้นโดยใช้ Recurrent neural network (RNN) and Reinforcement Learning ผลการทดลองแสดงให้เห็นว่าเทคนิค transfer learning ทำงานควบคู่กับ Adam optimizer สามารถให้ผลลัพธ์ที่ดีในการระบุวัตถุ (เครื่องบิน) จากภาพถ่ายดาวเทียม

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. วิทยาลัยอุตสาหกรรมการบินนานาชาติ

Role: ผู้ให้ทุน

Created: 2561

Modified: 2565-07-12

Issued: 2565-07-12

งานวิจัย/Research report

application/pdf

tha

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	RC00224.pdf	4.69 MB	8	2025-10-03 12:00:47

ใช้เวลา

0.028034 วินาที