ระบบจัดเก็บและค้นหางานวิจัยอัจฉริยะ

การประมวลผลภาพชุดข้อมูลตัวเลขด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN)

ผศ.ดร.นิกร กรรณิกากลาง | การประมวลผลภาพตัวเลข MNIST การจำแนกภาพ โครงข่ายประสาทเทียมแบบคอนโวลูชัน

จำนวนผู้เข้าชม

970

ยังไม่มีไฟล์เอกสาร

Collection	RMUTK Research Repository (RMUTK IR) บทความประชุมวิชาการ — Proceedings
ID RMUTK Digital	RMUTK000071
Title	การประมวลผลภาพชุดข้อมูลตัวเลขด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN)
Alternative title	Image Processing on MNIST Digit Dataset Using Convolutional Neural Networks (CNN)
Authors	ผศ.ดร.นิกร กรรณิกากลาง ผู้แต่งหลัก ผศ.วาสนา ด้วงเหมือน Corresponding
Faculty	คณะบริหารธุรกิจ
Volume / Issue / Pages	pp.3435-3444
Conference	การจัดการในยุคเทคโนโลยีนำการเปลี่ยนแปลง ครั้งที่ 8 ประจำปี 2569 (MDTE 2026)
Conference Date	2026-04-24
Conference Location	วิทยาลัยนวัตกรรมการจัดการ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ (รูปแบบออนไลน์)
Year	2569
Level	ระดับชาติ
DOI	-
ISBN / ISSN	978-616-8387-16-0
Funding Source	มทร.กรุงเทพ
Abstract	งานวิจัยนี้มีวัตถุประสงค์ (1) เพื่อศึกษาประสิทธิภาพของเทคนิคโครงข่ายประสาทเทียมแบบคอนโวลู ชัน (Convolutional Neural Network: CNN) ในการวิเคราะห์และจำแนกรูปภาพตัวเลขลายมือเขียน และ (2) เพื่อเปรียบเทียบประสิทธิภาพของเทคนิค CNN กับเทคนิคพื้นฐาน ในการวิเคราะห์รูปภาพตัวเลข โดยใช้ ชุดข้อมูล Digit-MNIST ซึ่งเป็นชุดข้อมูลมาตรฐานที่ประกอบด้วยภาพตัวเลขลายมือเขียนตั้งแต่เลข 0 ถึง 9 เป็นข้อมูลในการทดลอง การสร้างโมเดลสำหรับการจำแนกรูปภาพด้วยเทคนิค CNN และเทคนิคพื้นฐาน ผล การศึกษาพบว่า (1) เทคนิค CNN ให้ประสิทธิภาพในการจำแนกรูปภาพตัวเลข คิดเป็น 98.64% และ (2) เทคนิค CNN มีประสิทธิภาพสูงกว่าเทคนิคพื้นฐาน คือ HOG + SVM มีประสิทธิภาพ 95.75% และ LBP + kNN มีประสิทธิภาพ 35.32% ตามลำดับ แสดงให้เห็นว่าเทคนิค CNN มีความเหมาะสมและมีประสิทธิภาพสูง สำหรับการประมวลผลและวิเคราะห์รูปภาพตัวเลข และสามารถนำไปประยุกต์ใช้กับงานด้านการรู้จำรูปภาพ ในด้านอื่น ๆ ได้อย่างมีประสิทธิภาพ
Abstract (EN)	This research aims to (1) evaluate the performance of the Convolutional Neural Network (CNN) technique in analyzing and classifying handwritten digit images, and (2) compare the performance of CNN with baseline techniques for digit image analysis. The Digit-MNIST dataset, a standard dataset consisting of handwritten digit images from 0 to 9, was used for experimentation. Classification models were developed using the CNN technique and baseline methods. The results indicate that (1) the CNN technique achieved a classification accuracy of 98.64%, and (2) CNN outperformed the baseline techniques, where HOG + SVM achieved 95.75% accuracy and LBP + k-NN achieved 35.32% accuracy, respectively. These findings demonstrate that the CNN technique is highly suitable and effective for processing and analyzing digit images and can be effectively applied to other image recognition tasks.
Keywords (TH)	การประมวลผลภาพตัวเลข MNIST การจำแนกภาพ โครงข่ายประสาทเทียมแบบคอนโวลูชัน
Keywords (EN)	MNIST digit image processing image classification convolutional neural network
Access Level	Open Access (เปิดสาธารณะ)

เอกสารดิจิทัล

ยังไม่มีไฟล์เอกสาร