Page 164 - 46-1
P. 164

วารสารราชบััณฑิิตยสภา
                                        ปีีที่่� ๔๖ ฉบัับัที่่� ๑  มกราคม-เมษายน ๒๕๖๔
           156                  การเปรียบเทีียบสมรรถนะการร้�จำำาภาพใบไม�ด้�วยลัักษณะเด้่นแบบใช้�ความร้�แลัะแบบคอนเนกช้ันนิสต์์


                    ๓.  ต์ัวแบบการร้�จำำา : โครงข่่ายประสาทีเทีียมแบบคอนโวลั้ช้ัน

                      เม่�อไม่ก้�ปีที้�ผ่านมา การีเรี้ยนรี้�แบบคอนเนกช้ันนิสต์์ม้อิทีธีิพลัอย่างมากในการีจัำาแนก

           ภาพ แลัะม้ห้ลัายโครีงสรี�างของโครีงข่ายปรีะสาทีเที้ยมแบบคอนโวิลั้ช้ันถ้กพัฒนาขึ�นแลัะเป็นที้�ใช้�กัน
           อย่างแพรี่ห้ลัาย เช้่น AlexNet ซิึ�งพัฒนาโด้ยกรีิเช้้ยฟสก้แลัะคณะ (Krizhevsky et al., 2012)
           GoogLeNet ที้�พัฒนาโด้ยเซิเกด้้แลัะคณะ (Szegedy et al., 2015) VGGNet พัฒนาโด้ยไซิมอนยัน

           แลัะซิิสเซิอรี์แมน (Simonyan and Zisserman, 2015) ResNet พัฒนาโด้ย เห้อแลัะคณะ (He

           et al., 2016) แลัะ EfficientNet พัฒนาโด้ยแทีนแลัะวิ้. เลั (Tan and V. Le, 2019) นอกจัากโครีงสรี�าง
           ของต์ัวิแบบที้�ม้ห้ลัากห้ลัายแลั�วิ เทีคนิคที้�ใช้�ในการีขยายข�อม้ลัก็ม้ห้ลัายเทีคนิคด้�วิย เช้่น การีพลัิกภาพ
           (flipping) การีขยับภาพ (shifting) การีห้มุนภาพ ในการีวิิจััยน้� ผ้�วิิจััยพิจัารีณาโครีงสรี�างแบบต์่าง ๆ

           ๓ โครีงสรี�าง ค่อ

                      ๓.๑  โครงสร�าง VGGNet
                            ต์ัวิแบบ VGGNet พัฒนาโด้ย ไซิมอนยันแลัะซิิสเซิอรี์แมน (Simonyan and
           Zisserman, 2015) โครีงสรี�างน้�ปรีะกอบด้�วิยช้ั�นคอนโวิลั้ช้ัน ๑๖ ช้ั�น ฟิลัเต์อรี์ส้�เห้ลั้�ยมจััต์ุรีัสควิามยาวิ

           ด้�านลัะ ๓ พิกเซิลั แลั�วิยังม้ช้ั�นบ่อรีวิมส้งสุด้ต์่อจัากช้ั�นคอนโวิลั้ช้ันแต์่ลัะช้ั�น ต์ัวิแบบน้�สามารีถทีำานายโด้ย

           ใช้�ชุ้ด้ข�อม้ลั ILSVRC-2012 โด้ยม้ควิามผิด้พลัาด้รี�อยลัะ ๒๕.๖๐ แลัะ ๘.๑๐ จัากการีทีำานาย ๑ แลัะ
           ๕ ค่า ต์ามลัำาด้ับ
                      ๓.๒  โครงสร�าง ResNet

                            ต์ัวิแบบ ResNet น้�พัฒนาโด้ย เห้อแลัะคณะ (He et al., 2016) แลัะถ้กออกแบบ

           มาให้�แก�ปัญห้าเกรีเด้้ยนต์์วิานิช้ช้ิง (gradient vanishing problem) โด้ยเสนอมอด้้ลัการีเรี้ยนรี้�เรีซิิด้วิลั
           (residual learning module) นอกจัากน้� ต์ัวิแบบได้�จััด้รี้ปแบบบรีรีทีัด้ฐานของชุ้ด้ข�อม้ลั (batch
           normalization) ห้ลัังจัากช้ั�นคอนโวิลั้ช้ันเพ่�อพัฒนากรีะบวินการีเรี้ยนรี้�ของต์ัวิแบบ ResNet สามารีถ

           ทีำานายโด้ยใช้�ชุ้ด้ข�อม้ลั ILSVRC-2012 โด้ยม้ควิามผิด้พลัาด้รี�อยลัะ ๒๒.๘๕ แลัะ ๖.๗๑  จัากการี

           ทีำานาย ๑ แลัะ ๕ ค่า ต์ามลัำาด้ับ
                      ๓.๓  โครงสร�าง EfficientNet
                            ต์ัวิแบบ EfficientNet พัฒนาขึ�นโด้ยแทีนแลัะวิ้. เลั (Tan and V. Le, 2019)

           ทีำาการีทีด้ลัองเพิ�มขนาด้ของต์ัวิแบบใน ๓ มิต์ิ ได้�แก่ ควิามลัึก ควิามกวิ�าง แลัะควิามช้ัด้ของรี้ปภาพ

           โด้ยเสนอวิิธี้การีปรีับขนาด้มิต์ิแลัะใช้�การีค�นห้าแบบต์ะแกรีง (grid search) เพ่�อให้�ได้�ค่าที้�เห้มาะสม
   159   160   161   162   163   164   165   166   167   168   169