Page 157 - 46-1
P. 157
วารสารราชบััณฑิิตยสภา
ปีีที่่� ๔๖ ฉบัับัที่่� ๑ มกราคม-เมษายน ๒๕๖๔
ศาสตราจารย์์ ดร.ธนารักษ์์ ธีระมั่ั�นคง และนางสาวเบญจพรรณ สมั่ณะ 149
โครงข่่ายประสาทแบบคอนโวลููชััน เพื่่�อศึึกษาเปรียบเทียบประสิทธิิภาพื่การรู�จำำาภาพื่ใบไม้�ด้�วย
ลูักษณะเด้่นแบบใชั�ความ้รู�แลูะแบบคอนเนคชัันนิสต์์นั�น ผูู้�พื่ัฒนาได้�ทำาการทด้ลูอง ๗ ชัุด้ เพื่่�อ
ศึึกษาประสิทธิิภาพื่ลูักษณะเด้่นแต์่ลูะประเภท แลูะการผู้สม้ผู้สานลูักษณะเด้่นหลูายประเภท
แลูะโครงข่่ายประสาทแบบคอนโวลููชัันที�สกัด้ลูักษณะเด้่นประเภท VGG-16, ResNet-50
and EfficientNet-B0 ในการทด้ลูอง ผูู้�พื่ัฒนาได้�ใชั�ชัุด้ข่�อมู้ลูม้าต์รฐาน ๔ ชัุด้ ค่อ Swedish,
Flavia, PlantCLEF2017 แลูะชัุด้ข่�อมู้ลูที�เก็บจำากพื่่ชัท�องถิ่ิ�นในประเทศึไทย จำากผู้ลูการทด้ลูอง
ผูู้�พื่ัฒนาพื่บว่าการผู้สม้ผู้สานลูักษณะเด้่นแบบใชั�ความ้รู�แลูะแบบคอนเนกชัันนิสต์์ทำาให�ได้�
ประสิทธิิภาพื่การรู�จำำาที�ด้ีกว่าการใชั�ลูักษณะเด้่นเพื่ียงประเภทใด้ประเภทหนึ�ง โด้ยที�ความ้ถิู่กต์�อง
สูงถิ่ึงระด้ับร�อยลูะ ๙๘
คำำ�สำำ�คำัญ : การรู�จำำาภาพื่พื่่ชั การแบ่งแยกใบไม้�ด้�วยภาพื่ ลูักษณะเด้่นแบบใชั�ความ้รู�แลูะแบบ
คอนเนกชัันนิสต์์ ลูักษณะเด้่นแบบผู้สม้
Abstract: A performance comparation of knowledge-based and connectionist-
based features on plant leaf recognition
Professor Dr. Thanaruk Theeramunkong
Sirindhorn International Institute of Technology (SIIT),
Thammasat University
Associate Fellow of the Academy of Science,
The Royal Society of Thailand
Miss Benjapan Samana
Sirindhorn International Institute of Technology (SIIT),
Thammasat University
This paper presents a comparative study of image recognition/
classification performance using knowledge-based features, connectionist-
based features, and their combination. So far two major types of features for
image recognition/classification have been categorized into knowledge-based
and connectionist-based features. In the plant leaf recognition, three
processing steps are data preprocessing, feature extraction, and classification.
In the preprocess of a leaf image, leaf region is separated from its background.
The segmented leaf region is explored to extract hand-crafted features,
