การเรียนรู้ถ่ายโอนสำหรับการจำแนกประเภทภาพเนื้อลายหินอ่อนเทียมด้วยโครงข่ายประสาทคอนโวลูชัน

Abstract

ในปัจจุบัน เทคนิคการประมวลผลภาพถูกนำมาใช้กันอย่างแพร่หลายในหลากหลายอุตสาหกรรม หนึ่งในนั้นคือการควบคุมคุณภาพที่ใช้ในอุตสาหกรรมการผลิตอาหาร ขณะเดียวกัน หนึ่งในปัญหาที่การเรียนรู้เชิงลึกสามารถนำมาใช้ตอบโจทย์ได้ดีเยี่ยมคือปัญหาการจำแนกรูปภาพ ในมุมมองของการเรียนรู้เชิงลึก ปัญหาที่หลากหลายของการจำแนกประเภทภาพสามารถแก้ไขได้อย่างรวดเร็วผ่านการเรียนรู้ถ่ายโอน งานวิจัยนี้จึงนำเสนอวิธีการประยุกต์ใช้เทคนิคการเรียนรู้ถ่ายโอนในการฝึกสอนแบบจำลองโครงข่ายคอนโวลูชันเชิงลึกเพื่อจำแนกภาพเนื้อลายหินอ่อนเทียมหรือเป็นเนื้อลายหินอ่อนแท้ แบบจำลองที่เทรนมาเรียบร้อยแล้วสามแบบจำลอง ประกอบด้วย วีจีจี16 เรสเน็ต50 และ อินเซปชันวี3 ได้ถูกเลือกมาใช้ในการทดลองเพื่อสร้างแบบจำลองทั้งหมด 4 ตัว ประกอบด้วย ซีเอ็นเอ็นปกติ ซีเอ็นเอ็น+วีจีจี16 ซีเอ็นเอ็น+เรสเน็ต50 และ ซีเอ็นเอ็น+อินเซปชันวี3 พบว่า สมรรถนะแบบจำลองซีเอ็นเอ็น+อินเซปชันวี3 ให้ผลลัพธ์ที่ดีที่สุด จึงถูกเลือกนำไปปรับละเอียด การประเมินผลบนชุดข้อมูลทดสอบของแบบจำลองซีเอ็นเอ็น+อินเซปชันวี3ภายหลังการปรับแต่งให้ผลลัพธ์ค่าความแม่นยำที่ดีที่สุดคือ 96.7% เห็นได้ว่า แนวทางการจำแนกประเภทภาพที่นำเสนอมีความหวังสามารถนำไปพัฒนาต่อยอดเพื่อเป็นประโยชน์ต่อผู้ซื้อในการตรวจสอบเนื้อลายหินอ่อนเทียมที่อาจตั้งราคาสูงเกินจริง อันเป็นผลมาจากการฉีดไขมันให้มีลายมากมายสวยงาม ซึ่งจะทำให้เนื้อมีรสชาติดีขึ้นรวมทั้งสามารถตั้งราคาที่สูงขึ้นได้อีกด้วย