การรู้จำใบหน้าด้วยวิธีการเฟสเน็ตและทริปเน็ตลอสของหุ่นยนต์และตู้คีย์ออสสำหรับอาคารสำนักงานใหญ่ กทพ.

Face recognition using FaceNet and TripNet Loss methods of robots and kiosks for EXAT Head Office building

Name: ทักษิณา กรไกร

Organization : การทางพิเศษแห่งประเทศไทย. กองวิจัยและพัฒนา

Name: ธวัชชัย รักษาชาติ

Organization : การทางพิเศษแห่งประเทศไทย. กองวิจัยและพัฒนา

Name: ศิวัช ปัญญาชัยวัฒนากูล

Organization : การทางพิเศษแห่งประเทศไทย. กองวิจัยและพัฒนา

Name: เทพฤทธิ์ รัตนปัญญากร

Organization : การทางพิเศษแห่งประเทศไทย. กองวิจัยและพัฒนา

keyword: เฟสเน็ต

ThaSH: การรู้จำใบหน้ามนุษย์ (วิทยาการคอมพิวเตอร์)

; ทริปเล็ตลอส

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: การเรียนรู้ของเครื่อง

Abstract: การทางพิเศษแห่งประเทศไทย (กทพ.) เป็นหน่วยงานรัฐวิสาหกิจ ของประเทศไทยมีหน้าที่ให้บริการประชาชนในด้านต่าง ๆ ไม่ว่าจะเป็น การเดินทางบนทางพิเศษหรือการเข้ามาใช้บริการเพื่อทำธุรกรรมต่าง ๆ ในพื้นที่บริการของ กทพ. โดย กทพ. มีอาคารสำนักงานใหญ่แห่งใหม่ที่ ให้บริการประชาชนในเรื่องดังกล่าว ซึ่งในพื้นที่ให้บริการจะมีผู้มาใช้ บริการเป็นจำนวนมากโดยมีทั้งพนักงานและประชาชนทั่วไป การนำ ระบบการอ่านและรู้จำใบหน้าของบุคคลมาประกอบการบริการไม่ว่าจะ เป็นใบหน้าของพนักงานและประชาชนผู้มาใช้บริการจะมีส่วนช่วย ส่งเสริมการบริการที่ดีขึ้น จึงได้มีการใช้งานตู้คีย์ออสสำหรับอ่าน ใบหน้าบุคคลและใช้งานหุ่นยนต์เพื่อลาดตระเวนภายในพื้นที่บริการ ใน งานวิจัยนี้มีการนำวิธีการรู้จำภาพใบหน้าด้วยวิธีการ FaceNet และ triplet loss โดยใช้ภาพจากกล้องที่ติดตั้งบนตัวหุ่นยนต์และกล้องที่ ติดตั้งบนตู้คีย์ออสมาประยุกต์ใช้กับวิธีการโครงข่ายประสาทเทียม FaceNet ซึ่งเป็นโมเดลสำเร็จรูปที่ถูกพัฒนาโดยเฟสบุ๊ค โดย FaceNet เป็น Neuron network ที่ถูกออกแบบมาเพื่อที่จะสามารถจดจำใบหน้าที่ แตกต่างจำนวนมากได้อย่างแม่นยา มีการ Encode ภาพใบหน้าของแตล่ ะ บุคคลให้อยู่ในรูปแบบของเวกเตอร์ ในงานวิจัยนี้ใช้ข้อมูลการทำสอบ จำนวน 336 คู่ข้อมูลแบ่งเป็นคู่ภาพของบุคคลเดียวกันจำนวน 171 คู่ และ คู่ภาพคนละบุคคลกัน จำนวน 165 คู่ ทำการแปลงภาพใบหน้าของแต่ละ บุคคลให้อยู่ในรูปแบบของเวกเตอร์ 1 มิติ เรียกว่า embedding vector และทำการ train model โดยการใช้ triplet loss ในการปรับปรุงโมเดล ผลการทำงานมีความแม่นยา ในการรู้จำใบหน้าอยู่ที่ 0.95

Abstract: The Expressway Authority of Thailand (EXAT) is a state enterprise providing various services, whether for the road users who travel on the expressways, or for the customers who conduct any transactional affairs in EXAT areas. Recently, EXAT has a new headquarters building to enhance services more comprehensively, including visiting exhibitions or coordinating transactions. A large number of users, including officers and the general public, visit and use the services. The service has been improved effectively by implementing a combination of facial recognition systems using the FaceNet methodology and the triplet loss technique, and this system could recognize both officers and the general public. Therefore, the key kiosk is used for recognizing people’s faces, and the robot is used for patrolling around the service areas. This research learned about facial recognition with the FaceNet and triplet loss by utilizing images captured by cameras that were installed on the robot and the key kiosks to adjust with the Neuron network. FaceNet is an instant robot made by Facebook. The FaceNet and Neuron networks are designed to recognize a large number of different faces accurately by encoding face images in vector formats. The study examined 336 pairs of images. The faces were transformed into a one-dimensional vector format called an embedding vector, and the model was trained by triplet loss optimization. The results of facial recognition accuracy are at 0.95

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2567

Modified: 2567-09-30

Issued: 2567-09-30

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยราชภัฎสุรินทร์. คณะเทคโนโลยีอุตสาหกรรม. การประชุมวิชาการ งานวิจัย และพัฒนาเชิงประยุกต์ ครั้งที่ 16 (ECTI-CARD 2024) (pp.154-157). กรุงเทพฯ : มหาวิทยาลัยราชภัฎสุรินทร์

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ECTI-CARD 2024pp.154-157.pdf	338.56 KB	2	2025-01-23 17:05:36

ใช้เวลา

0.03355 วินาที