แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
ศุภเทพ สติมั่น. การเรียนรู้แบบถ่ายทอดเชิงลึกในงานประยุกต์ภาษามือไทย. ปริญญาเอก(เทคโนโลยีสารสนเทศ). มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง. : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ, 2565.
การเรียนรู้แบบถ่ายทอดเชิงลึกในงานประยุกต์ภาษามือไทย
Deep transferred learning for Thai sign language
Name: ศุภเทพ สติมั่น
keyword:
การรู้จำภาษามือ
ThaSH:
การประมวลผลภาพ
ThaSH:
ภาษามือ
-- การศึกษาและการสอน
ThaSH:
สื่อการสอน
Abstract:
การรู้จำภาษามือเป็นหนึ่งในงานที่มีความท้าทายสำหรับการเรียนรู้ของเครื่อง โดยเฉพาะ
การรู้จำด้วยภาพ ปัญหาที่พบส่วนมากคือกระบวนการเตรียมข้อมูลก่อนประมวลผล เนื่องจากภาษามือมีรูปแบบการสื่อสารที่มีการใช้ทั้งวัจนภาษาและอวัจนภาษา ซึ่งไม่สามารถแยกออกจากกันได้
เช่น การแสดงสีหน้า ท่าทางมือ และภาษากาย ในการวิจัยนี้ผู้วิจัยได้นำเสนอเทคนิคการประมวลผลภาพล่วงหน้า ที่เรียกว่า Sequenced Edge Grid Images (SEGI) เพื่อสร้างชุดข้อมูลที่สามารถจัดเก็บองค์ประกอบสำคัญของภาษามือไทย ประกอบด้วย ท่าทางของมือ การเคลื่อนไหวร่างกาย และการแสดงสีหน้า เทคนิคที่นำเสนอถูกนำไปใช้กับเครือข่ายประสาทเทียมแบบสังวัตนาการ (CNN) โดยการทดลองแสดงให้เห็นว่าเทคนิค SEGI ทำงานร่วมกับ CNN ช่วยเพิ่มอัตราความถูกต้องในการรู้จำภาษามือ
ขึ้น 11 เปอร์เซ็นต์ เมื่อเทียบกับภาพท่าทางมือนิ่ง นอกจากนี้นักวิจัยได้ค้นพบโครงสร้าง CNN ที่เหมาะสมสำหรับชุดข้อมูลและข้อมูลการตรวจสอบ โดยการเรียนรู้แบบถ่ายทอดเชิงลึกด้วย CNN ที่ผ่านการฝึกฝนแล้ว สามารถรู้จำชุดข้อมูลที่สร้างขึ้นด้วยเทคนิค SEGI ให้ความถูกต้องสูงสุดที่ 99.8 เปอร์เซ็นต์ เมื่อเปรียบเทียบกับโมเดลรู้จำอื่น ๆ
Abstract:
Thai sign language recognition is one of the challenges for machine learning, especially visual-based recognition. The most common problem is data preparation before processing because sign language is a form of communication that uses both verbal and non-verbal communication, and cannot separate them from each other such as facial expressions, hand gestures, and body language. In this research proposed an innovative technique for video processing called Sequenced Edge Grid Images (SEGI) for sign language recognition to interpret hand gesture, body movement, and facial expression. The proposed technique was implemented with a convolutional neural network (CNN). The experiments showed SEGI with CNN has increases test accuracy rate with approximately 11% compared to static hand gesture images. Finally, researchers discovered a CNN structure suitable for dataset and examination data by transferring a pre-trained CNN. The fine-tuning with SEGI technique improved 99.8%, thus highest among all the methods.
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง
Address:
กรุงเทพมหานคร
Email:
library@kmutnb.ac.th
Name: พยุง มีสัจ
Role:
ที่ปรึกษาดุษฎีนิพนธ์
Email :
phayung.m@it.kmutnb.ac.th
Created:
2565
Modified:
2024-04-02
Issued:
2566-11-15
วิทยานิพนธ์/Thesis
application/pdf
tha
DegreeName: ปรัชญาดุษฎีบัณฑิต
Level: ปริญญาเอก
Descipline: เทคโนโลยีสารสนเทศ
©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
RightsAccess:
ใช้เวลา
0.036015 วินาที
ศุภเทพ สติมั่น
| Title | Contributor | Type |
|---|---|---|
| การวัดประสิทธิภาพของอัลกอริทึมในการจำแนกประเภทข้อความสั้น กรณีศึกษา ข้อความภาษาไทยบนเว็บไซต์ทวิตเตอร์
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ ศุภเทพ สติมั่น;ทิพยา จินตโกวิท | บทความ/Article | |
| การเรียนรู้แบบถ่ายทอดเชิงลึกในงานประยุกต์ภาษามือไทย
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ ศุภเทพ สติมั่น | พยุง มีสัจ | วิทยานิพนธ์/Thesis |
พยุง มีสัจ