การรู้จำจังหวัดในป้ายทะเบียนรถไทยด้วยแบบจำลองความน่าจะเป็น

ฉัตรชัย บวรธำรงชัย

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/21151

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	บุญเสริม กิจศิริกุล	-
dc.contributor.author	ฉัตรชัย บวรธำรงชัย	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2012-07-26T04:26:27Z	-
dc.date.available	2012-07-26T04:26:27Z	-
dc.date.issued	2553	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/21151	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553	en
dc.description.abstract	การรู้จำป้ายทะเบียนรถยนต์เป็นหัวข้อวิจัยที่ทำมานานหลายปีแล้ว และในปัจจุบันก็มีโปรแกรมสำเร็จสำหรับรู้จำป้ายซึ่งทำเป็นเชิงธุรกิจอยู่เป็นจำนวนหนึ่ง อย่างไรก็ดี การรู้จำจังหวัดในป้ายทะเบียนไทยได้รับการพัฒนาไปน้อยมาก ปัญหาหนึ่งของการรู้จำชื่อจังหวัดก็คือคุณภาพไม่ดีของภาพตัวอักษรที่เป็นข้อมูลเข้า ซึ่งทำให้การรู้จำภาพตัวอักษรแยกเป็นตัวๆ ทำได้ลำบากมาก งานวิจัยนี้จะแก้ปัญหาดังกล่าวด้วยการมองชื่อจังหวัดเป็นภาพหนึ่งภาพ โดยไม่สนใจที่จะแยกภาพตัวอักษรเป็นตัวๆ จากนั้นจะใช้แบบจำลองความน่าจะเป็นเพื่อรู้จำชื่อจังหวัดจากภาพ ผลการทดลองเปรียบเทียบวิธีที่นำเสนอระหว่างเขตข้อมูลสุ่มแบบมีเงื่อนไข กับวิธีแบบจำลองฮิดเด็นมาร์คอฟแสดงให้เห็นว่า เขตข้อมูลสุ่มแบบมีเงื่อนไขให้ความถูกต้องที่สูงกว่า	en
dc.description.abstractalternative	License plate recognition has been a popular research topic for a long time. Currently, there are a lot of commercial software packages available but very little effort has been done to recognize province names in Thai license plates. A reason that province name recognition is not popular may be due to low quality of the input of character images. It is very difficult to recognize the province name in the plate by separately recognizing each character image because the boundary of each character image is not sharp. Therefore, this thesis avoids this problem by viewing a province name as one single image, and not recognizing individually each character image. Then, the probabilistic models, which have been shown to handle sequence data effectively, are applied to the recognition of province names from the image. The experiments are conducted to evaluate the proposed method by comparing conditional random fields with a linear-chain hidden markov model, and the results show that conditional random fields provide accuracy higher than the hidden markov model.	en
dc.format.extent	2115594 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2010.1930	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	การเรียนรู้ของเครื่อง	en
dc.subject	การรู้จำภาพ	en
dc.subject	รถยนต์ -- ป้ายทะเบียน	en
dc.subject	ความน่าจะเป็น	en
dc.title	การรู้จำจังหวัดในป้ายทะเบียนรถไทยด้วยแบบจำลองความน่าจะเป็น	en
dc.title.alternative	Province recognition in Thai car license-plates using probabilistic models	en
dc.type	Thesis	es
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	Boonserm.K@chula.ac.th	-
dc.identifier.DOI	10.14457/CU.the.2010.1930	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
chatchai_bo.pdf		2.07 MB	Adobe PDF	View/Open

Show simple item record