http://sutir.sut.ac.th:8080/jspui/handle/123456789/9635 Sun, 05 Apr 2026 18:07:57 GMT 2026-04-05T18:07:57Z http://sutir.sut.ac.th:8080/jspui/handle/123456789/10341 Authors: จักรินทร์ สันติรัตนภักดี Publisher: สำนักวิชาศาสตร์และศิลป์ดิจิทัล มหาวิทยาลัยเทคโนโลยีสุรนารี Abstract: การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการค้นคืนรูปภาพดิจิทัลเชิงความหมาย โดยใช้โครงข่ายประสาทเทียมเชิงลึกที่ถูกฝึกฝนล่วงหน้า ประกอบด้วย 3 มอดูลหลัก ได้แก่ 1) มอดูลการสร้างชุดคำอธิบายรูปภาพ โดยประยุกต์ใช้ตัวแบบ CLIP ที่ถูกฝึกฝนล่วงหน้าสำหรับฝึกฝนตัวเข้ารหัสรูปภาพ และตัวเข้ารหัสข้อความอธิบายรูปภาพ เพื่อแยกความแตกต่างของแต่ละคลาสด้วยการวัดความคล้ายคลึงโคไซน์ตามหลักการเรียนรู้แบบคอนทราสต์ โดยคำนวณค่าความผิดพลาดจากการเปรียบเทียบระหว่างผลการพยากรณ์ป้ายกำกับกับผลการประเมินความหมายของรูปภาพโดยผู้เชี่ยวชาญ จากนั้นนำค่าการสูญเสียไปปรับปรุงพารามิเตอร์ด้วยตนเอง เพื่อใช้ในการเรียนรู้ความคล้ายคลึงเชิงความหมายให้ใกล้เคียงกับการรับรู้มนุษย์มากที่สุด ก่อนจะเรียนรู้ซ้ำบนชุดข้อมูลที่กำหนดเอง และนำมาแปลงเป็นเวกเตอร์คุณลักษณะรูปภาพเพื่อจัดเก็บไว้ในชุดคำอธิบายรูปภาพ 2) มอดูลการประมวลผลข้อความค้นหาจากผู้ใช้ในรูปแบบภาษาธรรมชาติด้วยโมเดลภาษา DistilBERT ที่ถูกฝึกฝนล่วงหน้าสำหรับเข้ารหัสข้อความ เพื่อแปลงเป็นเวกเตอร์คุณลักษณะข้อความค้นหา 3) มอดูลการจับคู่เวกเตอร์คุณลักษณะรูปภาพกับเวกเตอร์คุณลักษณะข้อความค้นหาบนพื้นที่การฝังหลายรูปแบบ เพื่อเปรียบเทียบค่าความคล้ายคลึงของเวกเตอร์ ก่อนจะเรียงลำดับตามความเกี่ยวข้อง และแสดงเป็นผลลัพธ์การค้นคืนรูปภาพทั้งในบริบทของเนื้อหาและบริบทเชิงความหมายแก่ผู้ใช้ การประเมินประสิทธิภาพแบบจำลองการค้นคืนรูปภาพโดยผู้เชี่ยวชาญ 3 กลุ่ม ประกอบด้วยกลุ่มผู้เชี่ยวชาญด้านคอมพิวเตอร์และเทคโนโลยี กลุ่มผู้เชี่ยวชาญด้านการค้นคืนสารสนเทศ และกลุ่มผู้ใช้ทั่วไป กลุ่มละ 10 ท่าน รวมทั้งสิ้น 30 ท่าน ด้วยการวัดประสิทธิภาพการค้นคืนรูปภาพแบบไบนารี มีรายละเอียดดังนี้ ค่าความแม่นยำที่ k อันดับ พบว่า ผลลัพธ์จากการค้นคืนจำนวน 3 ลำดับแรกด้วยชื่อรูปภาพและหมวดหมู่ในลักษณะป้ายกำกับของรูปภาพ และข้อความค้นหาสั้น ๆ เกี่ยวกับแนวคิดระดับสูงของรูปภาพนั้นมีค่าความแม่นยำอยู่ในระดับดีมาก คิดเป็นร้อยละ 93.9 และ 86.4 ตามลำดับ อย่างไรก็ดี ความหมายเชิงคุณภาพนั้นขึ้นอยู่กับหลักการรับรู้ของมนุษย์ ดังนั้นประสบการณ์ของแต่ละบุคคลจึงส่งผลให้การประเมินนั้นแตกต่างกัน ส่งผลให้ค่าความแม่นยำจากข้อความค้นหาที่อธิบายความหมายเชิงคุณภาพของรูปภาพที่อยู่ในระดับดี คิดเป็นร้อยละ 83.0 เช่นเดียวกับ ค่าความครบถ้วนที่ k อันดับ พบว่า ผลลัพธ์จากการค้นคืนจำนวน 3 ลำดับแรก ภายใต้เงื่อนไขข้อความค้นหาด้วยชื่อรูปภาพและหมวดหมู่ในลักษณะป้ายกำกับของรูปภาพ และข้อความค้นหาสั้น ๆ เกี่ยวกับแนวคิดระดับสูงของรูปภาพนั้นมีค่าความครบถ้วนอยู่ในระดับดี ตรงกันข้ามกับข้อความค้นหาที่อธิบายความหมายเชิงคุณภาพของรูปภาพที่อยู่ในระดับปานกลาง อย่างไรก็ดี ค่าความครบถ้วนจะค่อย ๆ เพิ่มตามจำนวนผลลัพธ์ที่เพิ่มมากขึ้น เมื่อจำนวนผลลัพธ์เท่ากับ 10 คิดเป็นร้อยละ 81.8, 81.3 และ 80.2 ตามลำดับ นอกจากนั้น ค่าประสิทธิภาพโดยรวมที่ k อันดับ พบว่า ผลลัพธ์จากการค้นคืนจำนวน 3 ลำดับแรก ภายใต้เงื่อนไขข้อความค้นหาด้วยชื่อรูปภาพและหมวดหมู่ในลักษณะป้ายกำกับของรูปภาพ และข้อความค้นหาสั้น ๆ เกี่ยวกับแนวคิดระดับสูงของรูปภาพนั้นมีค่าความครบถ้วนอยู่ในระดับดี เช่นเดียวกับข้อความค้นหาที่อธิบายความหมายเชิงคุณภาพของรูปภาพ โดยที่ค่าประสิทธิภาพโดยรวมมีค่าสูงขึ้น เมื่อทั้งค่าความแม่นยำในการค้นคืนรูปภาพ และค่าความครบถ้วนจากการค้นคืนรูปภาพมีค่าสูงขึ้นไปในทิศทางเดียวกัน ซึ่งเป็นสิ่งที่แสดงถึงประสิทธิภาพโดยรวมของแบบจำลองที่พัฒนาขึ้น เมื่อจำนวนผลลัพธ์เท่ากับ 10 คิดเป็น 86.0, 83.5 และ 81.0 ตามลำดับ การประเมินประสิทธิภาพการค้นคืนรูปภาพดิจิทัลเชิงความหมายด้วยค่า NDCG ที่ k อันดับเปรียบเทียบระหว่างการค้นคืนรูปภาพด้วยตัวแบบ CLIP ดั้งเดิมกับการค้นคืนรูปภาพด้วยตัวแบบ CLIP ที่ผ่านการปรับค่าน้ำหนัก พบว่า ผลลัพธ์จากการค้นคืนรูปภาพด้วยข้อความบรรยายรูปภาพในลักษณะป้ายกำกับของรูปภาพ โดยการค้นคืนรูปภาพด้วยตัวแบบ CLIP ดั้งเดิมเปรียบเทียบกับการค้นคืนรูปภาพด้วยตัวแบบ CLIP ที่ผ่านการปรับค่าน้ำหนัก มีค่า NDCG ที่ลำดับ 1, 3 และ 5 ไม่แตกต่างกันมากนัก เช่นเดียวกับผลลัพธ์จากการค้นคืนรูปภาพด้วยข้อความบรรยายรูปภาพเกี่ยวกับแนวคิดระดับสูงของรูปภาพ โดยการค้นคืนรูปภาพด้วยตัวแบบ CLIP ดั้งเดิม เปรียบเทียบกับการค้นคืนรูปภาพด้วยตัวแบบ CLIP ที่ผ่านการปรับค่าน้ำหนักนั้นมีค่า NDCG ที่ลำดับ 1, 3 และ 5 เพิ่มขึ้นจากเดิมเล็กน้อย ตรงกันข้ามกับ ผลลัพธ์จากการค้นคืนรูปภาพด้วยข้อความบรรยายรูปภาพที่อธิบายความหมายเชิงคุณภาพของรูปภาพ โดยการค้นคืนรูปภาพด้วยตัวแบบ CLIP ที่ผ่านการปรับค่าน้ำหนักนั้นมี ค่า NDCG ที่ลำดับ 1, 3 และ 5 เพิ่มขึ้นจากการค้นคืนรูปภาพด้วยตัวแบบ CLIP ดั้งเดิมถึงร้อยละ 21.50, 19.90 และ 22.80 ตามลำดับ Thu, 01 Jan 2567 00:00:00 GMT http://sutir.sut.ac.th:8080/jspui/handle/123456789/10341 2567-01-01T00:00:00Z http://sutir.sut.ac.th:8080/jspui/handle/123456789/10255 Authors: ภัทรเชษฐ์ สุดสงวน Publisher: สำนักวิชาศาสตร์และศิลป์ดิจิทัล มหาวิทยาลัยเทคโนโลยีสุรนารี Abstract: การคาดการณ์ความสำเร็จของสตาร์ตยับนั้นเป็นเรื่องยากและมีความเสี่ยงสูง เพราะตัวะต้อง เผชิญกับความไม่แน่นอนของตลาด เทคโนโลยี และพฤติกรรมผู้บริโภคที่เปลี่ยนไปอย่างรวดเร็ว งานวิจัยนี้มุ่งเน้นไปที่การศึกษาคุณลักษณะที่มีอิทธิพลต่อการทำนายความสำเร็จของสตาร์ตอัปด้วย การเรียนรู้ของเครื่อง (Machine Learning) โดยใช้ข้อมูลจากปัจจัยภายในธุรกิจและข้อมูลการปรากฏ ตัวทางดิจิทัล (Digital Presence) ซึ่งผู้วิจัยได้รวบรวมข้อมูลจากแหล่งต่างๆ เช่น Crunchbase เครื่องมือประเมินประสิทธิภาพเว็บไซต์ และเครื่องมือตรวจสอบแบ็คลิงค์ จากสตาร์ตอัป 750 ราย มาวิตราะห์ด้วยการเรียนรู้ของเครื่อง แบบมาเปรียนเทียบประสิทธิภาพในการทำนารทำนาย ผลการวิเคราะห์พบว่าแบบจำลอง Random Forest ที่ใช้ข้อมูลแบบผสมสานระหว่างข้อมูล พื้นฐานทางธุรกิจและการปรากฏตัวทางดิจิทัลมีประสิทธิภาพสูงที่สุด มีค่า F1-score 0.9412 และ การปรากฏตัวทางดิจิทัลมีอิทธิพลต่อความแม่นยำของแบบจำลองถึง 86.10% แสดงให้เห็นว่าข้อมูล การปรากฏตัวทางดิจิทัล มีความสำคัญต่อการทำนายความสำเร็จเป็นอย่างมาก ผู้มีส่วนได้ส่วนเสียในระบบนิเวศสตาร์ตอัป เช่น หน่วยงานภาครัฐที่กำหนดนโยบายการ สนับสนุนสตาร์ตอัป กองทุนสนับสนุนสตาร์ตอัป สตาร์ตอัป หน่วยงานบ่มเพาะ และนักลงทุน สามารถนำผลการวิจัยนี้ไปเป็นแนวทางในการกำหนดกลยุทธ์สนับสนุน และจัดสรรเงินทุนได้อย่างมี ประสิทธิภาพ Thu, 01 Jan 2567 00:00:00 GMT http://sutir.sut.ac.th:8080/jspui/handle/123456789/10255 2567-01-01T00:00:00Z http://sutir.sut.ac.th:8080/jspui/handle/123456789/10107 Authors: กุลฉัตร เถียรชนำ Publisher: สำนักวิชาศาสตร์และศิลป์ดิจิทัล มหาวิทยาลัยเทคโนโลยีสุรนารี Abstract: ผู้วิจัยได้นำเอาเทคนิคการตรวจจับการเคลื่อนไหว (Motion Capture) ซึ่งเป็นเทคโนโลยีที่ใช้ในการตรวจจับการเคลื่อนไหวของร่างกายมนุษย์ นิยมนำมาใช้สร้างภาพ 3 มิติ โดยใช้เซ็นเซอร์ติดตามร่างกายของนักแสดง เพื่ออ่านและแปรค่าความเคลื่อนไหวเข้าสู่คอมพิวเตอร์ แบบเรียลไทม์ และสมจริง โดยนำเทคนิคประเภทตรวจจับการเคลื่อนไหวแบบเฉื่อย (Inertial Motion Capture) มาใช้ในการพัฒนางานวิจัย และได้ผู้เชี่ยวชาญด้านมวยโคราช ดร.เช้า วาทโยธา ประธานกรรมาธิการ ฝ่ายมรดกศิลปวัฒนธรรม สหพันธ์มวยไทยนานาชาติ ร่วมเป็นนักแสดงต้นแบบ ผลที่ได้คือฐานข้อมูลการเคลื่อนไหวกระบวนท่าแม่ไม้มวยโคราช จำนวนทั้งสิ้น 47 ท่า จากนั้นได้นำข้อมูลการเคลื่อนไหวไปออกแบบและพัฒนาเว็บไซต์ ผลลัพธ์ที่ได้คือเว็บไซต์ Muay Korat 3D Interactive และประเมินความสามารถในการใช้งานได้ของเว็บไซต์ Wed, 01 Jan 2566 00:00:00 GMT http://sutir.sut.ac.th:8080/jspui/handle/123456789/10107 2566-01-01T00:00:00Z http://sutir.sut.ac.th:8080/jspui/handle/123456789/10096 Authors: โชติมา กระจ่างเอี่ยม Publisher: สำนักวิชาศาสตร์และศิลป์ดิจิทัล มหาวิทยาสัยเทคโนโลยีสุรนารี Abstract: การบาดเจ็บจากอุบัติเหตุการจราจรทางถนนเป็นสาเหตุสำคัญประการหนึ่งของการเสียชีวิตทั่วโลก ซึ่งมีแนวโน้มที่สูงขึ้น จนกลายเป็นปัญหาเศรษฐกิจและสังคมในหลายประเทศ ปัจจัยเสี่ยงที่สุดที่ก่อให้เกิดอุบัติเหตุบนท้องถนน คือ การขับรถด้วยความประมาท ขับรถโดยไม่ใช้อุปกรณ์ป้องกันอันตราย ขับรถเร็วเกินกฎหมายกำหนดและขับรถตัดหน้ากระชั้นชิด จึงควรมีเครื่องมือหรือวิธีการตรวจสอบและปรับเปลี่ยนพฤติกรรมของผู้ขับขี่ และเนื่องจากปัจจุบันอุปกรณ์เคลื่อนที่ได้เข้ามามีบทบาทในชีวิตประจำวันของมนุษย์เพิ่มมากขึ้น มีการใช้งานโปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อช่วยในการอำนวยความสะดวก รวมถึงบันทึกกิจวัตรและพฤติกรรมต่าง ๆ นั้น งานวิจัยนี้จึงนำเสนอแนวคิดในการออกแบบและพัฒนา โปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อประเมินและลดปัจจัยเสี่ยงต่อการเกิดอุบัติเหตุบนท้องถนน งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อประเมินและลดปัจจัยเสี่ยงต่อการเกิดอุบัติเหตุบนท้องถนน อันเนื่องมาจากการขับรถเร็วเกินกว่ากฎหมายกำหนด และการขับรถตามกระชั้นชิด ซึ่งเกิดจากการใช้ความเร่งและการเบรกกะทันหันของรถยนต์และรถจักรยานยนต์ สมมุติฐานการวิจัย คือ โปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อประเมินปัจจัยเสี่ยงจากการขับขี่ สามารถตรวจจับเหตุการณ์การขับขี่ที่มีความเร็วเกินกว่ากฎหมายกำหนดและการเบรกอย่างกะหันทันได้ โดยใช้แนวคิดเกี่ยวกับพฤติกรรมการขับขี่ยานพาหนะและงานวิจัยที่เกี่ยวข้องด้านพฤติกรรมการการขับขี่และการใช้ความเร็วของผู้ขับขี่ร่วมกับทฤษฎีโปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่และการประเมินความสามารถในการใช้งานโปรแกรมประยุกต์ที่มีแนวคิดเกี่ยวกับเกมมิฟิเคชันประกอบด้วย โปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อประเมินปัจจัยเสี่ยงจากการขับขี่ถูกออกแบบให้เหมาะสมกับผู้ใช้งาน โดยในงานวิจัยนี้ได้ทำการทดสอบการใช้งานในพื้นที่มหาวิทยาลัยเทคโนโลยีสุรนารี มีกลุ่มเป้าหมายเป็นนักศึกษา และบุคลากร ซึ่งจัดอยู่ในกลุ่มผู้ใช้งานที่มีประสบการณ์และความรู้ระดับกลาง ผู้วิจัยพัฒนาโปรแกรมแบบ Native Application บนระบบปฏิบัติการ iOS โดยใช้วิธีวัดค่าบนอุปกรณ์เคลื่อนที่ด้วยเซนเซอร์วัดค่าความเร่ง และ GPS เมื่อนำโปรแกรมประยุกต์ที่ได้พัฒนาไปประเมินความถูกต้องของการขับขี่ พบว่า โปรแกรมประยุกต์มีค่าความเร็วเฉลี่ยระหว่างโปรแกรมประยุกต์และหน้าปัดรถ มีค่าต่างกันเฉลี่ยอยู่ที่ 1.55 กิโลเมตร/ชั่วโมง มีค่าความคลาดเคลื่อนเฉลี่ยจากพิกัดจุดที่อ้างอิง 1.19 เมตร ค่าความถูกต้องของความเร็วเกินกำหนดเกิดจากค่าความเร็วเฉลี่ยและค่าความคลาดเคลื่อนเฉลี่ยจากพิกัดจุดที่อ้างอิง ผลการประเมินความถูกต้องของพฤติกรรมการขับขี่ด้านความเร็วเกินกำหนด พบว่า ค่าความถูกต้อง คิดเป็นร้อยละ 87.66 ค่าความแม่นยำ คิดเป็นร้อยละ 91.95 ค่าความระลึก คิดเป็นร้อยละ 78.43 อัตราส่วนระหว่างค่าความแม่นยำและค่าความระลึก คิดเป็นร้อยละ 84.66 ผลการประเมินความถูกต้องของพฤติกรรมการขับขี่ด้านการเบรกกะทันหัน พบว่า ค่าความถูกต้อง คิดเป็นร้อยละ 94.78 ค่าความแม่นยำ คิดเป็นร้อยละ 30.16 ค่าความระลึก คิดเป็นร้อยละ 86.36 อัตราส่วนระหว่างค่าความแม่นยำและค่าความระลึก คิดเป็นร้อยละ 44.71 จากนั้นนำไปทดสอบกับกลุ่มตัวอย่างจำนวน 30 คน แบ่งเป็นผู้ขับขี่ที่ใช้รถยนต์จำนวน 15 คน และรถจักรยานยนต์ 15 คน พบว่ามีความสามารถในการใช้งานอยู่ในระดับมากที่สุด 𝑥̅ = 4.53 และ S.D. = 0.64 มีค่าเฉลี่ยแต่ละด้านรวม 6 ด้าน อยู่ที่ 4.52 - 4.70 ผลลัพธ์การใช้งานโปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อการประเมินปัจจัยเสี่ยงจากการขับขี่ ทั้งหมด 75 ทริป เป็นรถยนต์ ร้อยละ 69.23 และเป็นรถจักรยานยนต์ ร้อยละ 30.77 รวมเป็นระยะทาง 331.53 กิโลเมตร มีค่าเฉลี่ยทริปละ 5.10 กิโลเมตร ใช้เวลาเดินทางรวม 688.72 นาที เฉลี่ยทริปละ 10.60 นาที มีความเร็วเฉลี่ยที่ 33.02 กิโลเมตร/ชั่วโมง มีเหตุการณ์การใช้ความเร็วเกินกำหนดและเบรกกะทันหันรวม 511 ครั้ง มีค่าเฉลี่ย 7.86 เหตุการณ์ต่อทริป แยกเป็นการใช้ความเร็วเกินกำหนดจำนวน 461 ครั้ง มีค่าเฉลี่ย 7.09 เหตุการณ์ต่อทริป คิดเป็นร้อยละ 100 และการเบรกกะทันหันพบว่ามีจำนวน 50 ครั้ง มีค่าเฉลี่ย 2.63 ครั้งต่อทริป คิดเป็นร้อยละ 29.23 ผลการประเมินแรงจูงใจในการใช้โปรแกรมประยุกต์ที่ออกแบบด้วยหลักการเกมมิฟิเคชัน พบว่า มีความสามารถในการใช้งานอยู่ในระดับมากที่สุด 𝑥̅ = 4.53 และ S.D. = 0.64 มีค่าเฉลี่ยแต่ละด้านรวม 6 ด้าน อยู่ที่ 4.40 - 4.67 งานวิจัยนี้ได้แสดงให้เห็นว่า โปรแกรมประยุกต์บนโทรศัพท์เคลื่อนที่สามารถประเมินและลดปัจจัยเสี่ยงต่อการเกิดอุบัติเหตุบนท้องถนนได้อย่างแม่นยำ โดยเฉพาะการขับขี่เร็วเกินกำหนดและการเบรกกะทันหัน ทั้งค่าความถูกต้อง ค่าความแม่นยำ ค่าความระลึก และอัตราส่วนระหว่างค่าความแม่นยำและค่าความระลึก มีความสามารถในการใช้งานอยู่ในระดับมากที่สุด อีกทั้งสามารถนำแบบจำลองที่ออกแบบด้วยหลักการเกมมิฟิเคชันไปพัฒนาต่อให้ผู้ขับขี่มีพฤติกรรมการขับขี่ที่ดีเสมอ Tue, 01 Jan 2565 00:00:00 GMT http://sutir.sut.ac.th:8080/jspui/handle/123456789/10096 2565-01-01T00:00:00Z http://sutir.sut.ac.th:8080/jspui/handle/123456789/10091 Authors: ภัทรพล ศรีรักษ์ Publisher: สำนักวิชาศาสตร์และศิลป์ดิจิทัล มหาวิทยาลัยเทคโนโลยีสุรนารี Abstract: สัตว์เลี้ยงในประเทศไทยมีจำนวนสูงมากขึ้นในทุกปี ปัญหาที่มักเกิดกับการเลี้ยงสัตว์คือสูญหายหรือพลัดหลง และแมวหนึ่งในสัตว์เลี้ยงที่มีความนิยมมีอัตราพลัดหลงแล้วกลับมาเพียง 64% และอัตราของการเสียชีวิตระหว่างสูญหายที่สูง การระบุตัวตนแมวจะช่วยทำให้ระบุตำแหน่ง หรือให้ข้อมูลเกี่ยวกับแมวที่พลัดหลงได้ งานวิจัยชิ้นนี้ได้มีการนำเสนอวิธีการระบุตัวตนโดยใช้การเรียนรู้เชิงลึก โดยประกอบไปด้วย 3 ขั้นตอน 1) ขั้นตอนการตรวจจับใบหน้า ซึ่งใช้สถาปัตยกรรม YOLOv5Face เพื่อตรวจจับใบหน้าและตำแหน่งของ หู ตา และจมูก 2) ขั้นตอนตรวจสอบใบหน้า ใช้แบบจำลอง EfficientNetV2S ที่ถูกฝึกฝนไว้ล่วงหน้ากับสถาปัตยกรรมแบบแฝดสาม คู่กับ Triplet Loss Function และการใช้วิธีการ Hard Batch สำหรับการชุดข้อมูลเพื่อฝึกฝน และ Global Orthogonal Regularization เพื่อเพิ่มประสิทธิภาพการจำแนกข้อมูล 3) ขั้นตอนการระบุตัวตน โดยใช้ FAISS และ K-NN เพื่อหาจำนวนใบหน้าคล้ายคลึงและระบุว่าเป็นแมวตัวใดในฐานข้อมูล ซึ่งผลลัพธ์ของงานวิจัยชิ้นนี้แบบจำลองสำหรับการตรวจจับใบหน้ามีค่า mAP อยู่ที่ 0.9974 และขั้นตอนการระบุตัวตนแบบ 5 อันดับแรก มีความแม่นยำสูงสุดอยู่ที่ 89% Tue, 01 Jan 2565 00:00:00 GMT http://sutir.sut.ac.th:8080/jspui/handle/123456789/10091 2565-01-01T00:00:00Z