การค้นหาทิศทางการหมุนของวัตถุด้วยการสะสมข้อมูลจากเทรซทรานฟอร์มโดเมน
Article Sidebar
Main Article Content
บทคัดย่อ
บทความฉบับนี้แสดงวิธีการปรับปรุงอัลกอริทึมสำหรับการค้นหาทิศทางการหมุนของวัตถุด้วยการพยากรณ์ทิศทางการหมุนด้วยข้อมูลที่ถูกสะสมจากเทรซทรานฟอร์มโดเมน โดยข้อมูลภาพที่ถูกฝึกสอนด้วยแมชชีนเลิร์นิ่งจะไม่ได้ถูกนำมาเรียนรู้โดยตรง แต่จะถูกนำไปผ่านการแปลงข้อมูลภาพจากอัลกอริทึมเทรซทรานฟอร์ม ผลลัพธ์จากอัลกอริทึมดังกล่าวนี้จะให้คำตอบอยู่ในรูปแบบข้อมูลภาพ 2 มิติ ซึ่งต้องนำไปผ่านขั้นตอนของการลดปริมาณข้อมูลด้วยอัลกอริทึม DFTF ให้อยู่ในรูปแบบข้อมูลแบบ 1 มิติ แล้วจึงนำผลลัพธ์ในลักษณะ 1 มิตินี้มาผ่านกระบวนฝึกสอนด้วยแมชชีนเลิร์นนิ่ง โดยจากการทดลองพบว่าระบบที่ถูกนำเสนอมี 3 อัลกอริทึมจากแมชชีนเลิร์นนิงที่มีความแม่นยำจากการทดสอบมากที่สุดจากฐานข้อมูลที่ถูกทดสอบภายในบทความโดยมีอัลกอริทีมดังนี้คือ นาอีฟเบย์ แรนดอมฟอเรส และซัพพอร์ตเวกเตอร์แมชชีน ซึ่งแต่ละอัลกอริทึมมีความแม่นยำในการทดลองสูงที่สุดอยู่ที่ 98.99% 95.63% และ 93.23% ตามลำดับ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of TCI is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) licence, unless otherwise stated. Please read our Policies page for more information...
เอกสารอ้างอิง
S. Matz, "Orientation Detection of Lines in Binary Images Using the Radon Transform," International Conference on Computational Science and Computational Intelligence (CSCI)., Las Vegas, NV, USA, pp. 716-719, 2019.
N. Jundang, "Development of Trace Transform using Machine Learning for reducing the tracing line calculation," 2022 International Electrical Engineering Congress (IEECON)., Khon Kaen, Thailand, pp. 1-4, 2022.
H. Mittal, V. Rai, S. Sonawane and S. Mhatre, "Image Resolution Enhancer using Deep Learning," International Conference on Applied Artificial Intelligence and Computing (ICAAIC)., Salem, India, pp. 578-586, 2022.
C. Tang, Y. Feng, X. Yang, C. Zheng and Y. Zhou, "The Object Detection Based on Deep Learning," International Conference on Information Science and Control Engineering (ICISCE)., Changsha, China, pp. 723-728, 2017.
N. Jundang, and S. Sitjongsataporn, "Discriminant Feature Trace Transform for Predictive Object Rotation," International Journal of Intelligent Engineering and Systems., Vol.16, No.1, 2023.
A. Kadyrov and M. Petrou, The Trace transform and its applications," in IEEE Transactions on Pattern Analysis and Machine Intelligence., vol. 23, no. 8, pp. 811-828, Aug. 2001.
N. Jundang and S. Sitjongsataporn, "Reinforced Deep Learning By Discriminant Feature Trace Transform," International Electrical Engineering Congress (IEECON)., Krabi, Thailand, pp. 373-376, 2023.
OpenCV. Open Source Computer Vision Library. 2015.
Z. Wang, L. Shen, B. Li, J. Yang, F. Yang, K. Yuan C. Fang and Y. Fanwang, "Real-Time Rotated Object Detection Using Angle Decoupling," China Automation Congress (CAC)., Beijing, China, pp. 2772-2778, 2021.
