Finding missing pets application using Convolutional Neural Networks
Article Sidebar
Main Article Content
Abstract
This research project develops an application for searching lost pets by using image recognition. The system development comprises two parts: 1) the recognition engine which employs convolutional neural networks and 2) the user interface of the application for visualizing the search results. For the recognition engine, the process consists of background removal, features extraction with InceptionV3 technique, and recognition modeling for displaying on the app developed by using Solar2D. The preliminary experiments show promising results in terms of the search accuracy and user’s satisfaction and experience. In our cat picture database of 152 cats, the system can correctly classify the pet pictures with 87.51% averaged accuracy. The user satisfaction of using the app is 4.55 (out of 5) based on the technology acceptance model (TAM) as an evaluation tool.
Article Details
References
พงค์ศักดิ์ เจ๊ะพงค์. สถานะทางกฎหมายของสัตว์เลี้ยงในกรณีการหย่าร้างภายใต้กฎหมายครอบครัว. วารสารกฎหมาย จุฬาลงกรณ์มหาวิทยาลัย. 2564;39(1): 81-93.
พนมพร แสนประเสริฐ. ปัญหาการทอดทิ้งสัตว์ในสังคมไทยกับแนวคิดประโยชน์นิยม. วารสารสถาบันวิจัยพิมลธรรม. 2563;7(2): 175-186.
จส 100. เปิดสถิติสัตว์หายในเดือน ส.ค. - ธ.ค. 63 สุนัข หายเยอะสุด. เข้าถึงได้จาก: https://www.js100.com/ th/site/lost_found/view/98214. [เข้าถึงเมื่อวันที่ 25 มีนาคม 2564].
Aqraldo BW, Sentoman Y, Markos D, and Warnars HS. Detepet Mobile Application for Pet Tracking. In: 2021 International Conference on Emerging Smart Computing and Informatics (ESCI), March 2021, IEEE. P. 48-52.
Tangsripairoj S, Kittirattanaviwat P, Koophiran K, and Raksaithong L. Bokk meow: A mobile application for finding and tracking pets. In 2018 15th International Joint Conference on Computer Science and Software Engineering (JCSSE), July 2018, IEEE. P. 1-6.
Junior RL. IoT applications for monitoring companion animals: A systematic literature review. In 2020 14th International Conference on Innovations in Information Technology (IIT), November 2020, IEEE. P. 239-246.
พิทักษ์พงษ์ ชัยคช และศิริพงษ์ โสภา. มาตรการทางกฎหมายเกี่ยวกับการควบคุมและส่งเสริมสัตว์เลี้ยงในประเทศไทย. วารสาร มจร สังคมศาสตร์ปริทรรศน์. 2560;6(3): 137-145.
ไชยา ต้นสาย, กนกศิริ จูมวันทา, รัชนี คำเพราะ, สุระเจตน์ อ่อนฤทธิ์, เอกรินทร์ วทัญญูเลิศสกุล. การพัฒนาแอ็ปพลิเคชันแจ้งสัตว์เลี้ยงหายด้วยการประมวลผลภาพ. อุบลราชธานี: มหาวิทยาลัยราชภัฏอุบลราชธานี; 2563.
เอกรินทร์ วทัญญูเลิศสกุล. การพัฒนาแอ็ปพลิเคชันบนอุปกรณ์เคลื่อนที่แบบข้ามแพลตฟอร์ม. กรุงเทพ: สำนักพิมพ์จุฬาลงกรณ์มหาวิทยาลัย. 2564.
Yihui H. Object Detection with YOLO on Artwork Dataset. Advanced Computer Vision at Jiaotong University; 2016.
Chenjing C, et al. "Transfer learning for drug discovery." Journal of Medicinal Chemistry 63. 2020;16: 8683-8694.
Kuan-Ting. Cat Individual Images; Available from: https://www.kaggle.com/timost1234/cat-individuals/. [Accessed 2020 December 21].
Jaruvarintra O. Technology Acceptance Model (TAM) in the Service Industries. Veridian E-Journal, Silpakorn University (Humanities, Social Sciences and arts). 2017;10(1): 1351-1365.
พงศธร ตันตระบัณฑิตย์, มณีรัตน์ วงษ์ซิ้ม, โอฬาริก สุรินต๊ะ. โมเดลการยอมรับเทคโนโลยี: หลักฐานการใช้เทคโนโลยี NodeMCU ในการควบคุมโรงเพาะเห็ดในประเทศไทย. วารสารการบัญชีและการจัดการ มหาวิทยาลัยมหาสารคาม. 2563;12(1): 42-543
B. W. Aqraldo, Y. Sentoman, D. Markos, and H. L. H. S. Warnars, Detepet Mobile Application for Pet Tracking. In 2021 International Conference on Emerging Smart Computing and Informatics (ESCI) (pp. 48-52). IEEE. Mar. 2021.