การเปรียบเทียบประสิทธิภาพแบบจำลองจำแนกสถานที่ท่องเที่ยวเชิงวัฒนธรรม จังหวัดนครศรีธรรมราช
คำสำคัญ:
สถานที่ท่องเที่ยวเชิงวัฒนธรรม, โครงข่ายประสาทเทียม, การเรียนรู้เชิงลึกบทคัดย่อ
จังหวัดนครศรีธรรมราชเป็นเมืองโบราณที่มีความสำคัญทางประวัติศาสตร์ในเอเชียตะวันออกเฉียงใต้ มีสถานที่ท่องเที่ยวเชิงวัฒนธรรมที่สวยงาม หลากหลายและเป็นเอกลักษณ์ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อรวบรวมชุดข้อมูลรูปภาพสถานที่ท่องเที่ยวเชิงวัฒนธรรมที่สำคัญในจังหวัดนครศรีธรรมราช โดยชุดข้อมูลประกอบไปด้วยสถานที่ท่องเที่ยวรวมทั้งสิ้น 8 รายการ ได้แก่ กำแพงเมืองเก่า เก๋งจีนวัดแจ้ง บ้านท่านขุนรัฐวุฒิวิจารณ์ วัดธาตุน้อย วัดพระมหาธาตุวรมหาวิหาร ศาลหลักเมือง หอพระพุทธสิหิงค์ และหอพระอิศวร ชุดข้อมูลนี้ได้ถูกนำไปฝึกสอนและเปรียบเทียบประสิทธิภาพของแบบจำลองสำหรับการจำแนกรูปภาพ โดยกระบวนการเรียนรู้ประกอบไปด้วย 2 ขั้นตอนได้แก่ การลดมิติของข้อมูลรูปภาพ และ การเรียนรู้แบบจำลอง ในขั้นตอนของการลดมิติมีการทดลอง 2 รูปแบบ ได้แก่ การบี้รูปภาพ และ การใช้โครงข่ายประสาทเทียมคอนโวลูชั่น แบบจำลองที่ศึกษาในขั้นตอนที่ 2 ประกอบไปด้วยแบบจำลองจำนวน 3 รายการ ได้แก่ แบบจำลองเพื่อนบ้านที่ใกล้ที่สุด แบบจำลองต้นไม้ตัดสินใจ และแบบจำลองการถดถอยโลจิสติก ผลการวิจัยบนชุดข้อมูลที่ถูกรวบรวมพบว่า ประสิทธิภาพการจำแนกรูปภาพสถานที่ท่องเที่ยวเชิงวัฒนธรรม จังหวัดนครศรีธรรมราช โดยการใช้เทคนิคการลดมิติด้วยโครงข่ายประสาทเทียมคอนโวลูชั่นมีประสิทธิภาพสูงกว่าการลดมิติด้วยการบี้รูปภาพ และแบบจำลองที่สามารถจำแนกรูปภาพได้ดีที่สุด คือ แบบจำลองการถดถอยโลจิสติกซึ่งให้ค่าความถูกต้องสูงสุดอยู่ที่ 93.75%
เอกสารอ้างอิง
Information and Communication Division Nakhon Si Thammarat Provincial Office. History of Nakhon Si Thammarat Province [Internet]. 2008. [updated 2008 October 20; cited 2023 September 21]. Available from: https://www.nakhonsithammarat.go.th/his.php.
Boonkidram S, Sriwiboon N. Physical quality investigation of germinated brown rice by using image processing. J Inform Sci Technol. 2020; 10(2): 101-109. Thai.
Tiendee S, Khamnipat K, Pramote O. A classification of crown flower using feature extraction and machine learning. J Inform Sci Technol. 2022; 12(2): 1-10. Thai.
Sriwiboon N. Improvement the performance of the chest x-ray image classification with convolutional neural network model by using image augmentations technique for covid-19 diagnosis. J Acad King Mongkut's North Bangkok. 2021; 31(1): 109-117. Thai.
Nakhon Si Thammarat Provincial Cultural Office. Ancient sites and objects [Internet]. 2022. [updated 2022 May 19; cited 2023 September 14]. Available from: https://nakhonsrithammarat.m-culture.go.th
/th/db_99_nakhonsrithammarat_43.
He K, Zhang X, Ren S, Sun J. Deep Residual Learning for Image Recognition. Proceedings of 2016 IEEE Conference on Computer Vision and Pattern Recognition. 2016; 770-778.
Deng J, Dong W, Socher R, Li L-J, Li K, Fei-Fei L. Imagenet: A large-scale hierarchical image database. In 2009 IEEE conference on computer vision and pattern recognition. 2009; 208-255.
Abadi M, Barham P, Chen J, Chen Z, Davis A, Dean J, et al.Tensorflow: A system for large-scale machine learning. In 12th Symposium on Operating Systems Design and Implementation. 2016; 265-283.
Chollet F. Keras. GitHub [Internet].2023. [cited 2023 September 21]. Available from: https://github.com/fchollet/keras.
Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, et el. Scikit-learn: Machine Learning in Python. J Mach Learn Res. 2011; 12: 2825-2830.
Sudjit B, Sukvaree T. Praneetpolgrang, P. Development and evaluation of process architecture for designing thai wisdom alphabet set and identityin 4 regions with artificial intelligence technology. J Sci Technol Royal Navy. 2022; 18(2): 57-72. Thai.
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2024 วารสารวิจัย มข. (ฉบับบัณฑิตศึกษา)
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
