|
การรู้จำชนิดของเสื้อผ้า โดยใช้วิธีการจำแนกประเภท |
|---|---|
| รหัสดีโอไอ | |
| Title | การรู้จำชนิดของเสื้อผ้า โดยใช้วิธีการจำแนกประเภท |
| Creator | วิศรุต สุรการินทร์ |
| Contributor | ประภาส จงสถิตย์วัฒนา |
| Publisher | จุฬาลงกรณ์มหาวิทยาลัย |
| Publication Year | 2557 |
| Keyword | การรู้จำรูปแบบ, คอมพิวเตอร์วิทัศน์, เสื้อผ้า -- การจำแนก, Pattern recognition systems, Computer vision |
| Abstract | ลักษณะของชนิดเสื้อผ้ามีความสำคัญในการใช้ชีวิตประจำวัน ซึ่งเสื้อผ้าจะเป็นส่วนแรกที่บรรยายตัวบุคคลว่าเป็นอย่างไรและแสดงให้เห็นถึงลักษณะการใช้ชีวิตประจำวัน วัฒนธรรมและสถานะของสังคมของผู้ที่สวมใส่เสื้อผ้าชนิดนั้นๆ ตัวอย่างเช่น เราสามารถจดจำผู้คนแต่ละคนได้ว่ามีลักษณะเป็นอย่างไรจากเสื้อผ้าของพวกเขา เป็นต้น และอีกหลายๆ บริบทที่สามารถบรรยายได้ด้วยชนิดของเสื้อผ้า เช่น ถ้ามีผู้คนสวมใส่ชุดสูทจะสามารถบรรยายได้ว่าพวกเขาอยู่ในสถานการณ์ทางธุรกิจ เป็นต้น ซึ่งการจดจำชนิดของเสื้อผ้ายังเป็นปัญหาที่ท้าทายต่อวงการคอมพิวเตอร์วิทัศน์ ดังนั้นในวิทยานิพนธ์ฉบับนี้ได้นำเสนอวิธีการใหม่ในการจดจำและแบ่งแยกชนิดของเสื้อผ้าโดยใช้ SURF ร่วมกับ LBP ด้วยเทคนิคถุงภาพของคุณลักษณะสำคัญ ซึ่งรูปภาพที่นำเข้าทดสอบและสอนจะนำมาจากแคตตาล็อกแฟชั่นที่เป็นภาพเสื้อผ้าและใบหน้าของผู้ที่สวมใส่ชัดเจน สำหรับขั้นตอนการประมวลผลภาพและการสร้างคุณลักษณะชนิดของเสื้อผ้าจากเทคนิคถุงภาพของคุณลักษณะเพื่อรู้จำและแบ่งแยกชนิดของเสื้อผ้ามีขั้นตอนการทำงานทั้งหมด 4 ขั้นตอน คือ ขั้นแรกเสื้อผ้าในรูปภาพจะถูกค้นหาและระบุตำแหน่ง แล้วจึงแบ่งส่วนด้วยวิธีการของ GrabCut ต่อมาพื้นที่ที่เป็นเสื้อผ้าจะถูกแบ่งออกเป็นสามส่วนย่อยๆ กล่าวคือ ด้านขวา ตรงกลาง และด้านซ้าย โดยในแต่ละส่วนย่อยๆ จะถูกดึงคุณลักษณะสำคัญด้วยวิธีของ SURF และ LBP เพื่อสร้างพจนานุกรมของคุณลักษณะสำคัญต่อไป ผลสุดท้ายคุณลักษณะสำคัญต่างๆ จะถูกทำนายว่าเป็นเสื้อผ้าชนิดอะไรด้วยซัพพอร์ตเวกเตอร์แมชชีน ฐานข้อมูลที่ใช้ในวิทยานิพนธ์ได้ใช้รูปภาพทั้งหมด 1131 รูปภาพแบ่งเป็นชุดสอนให้เครื่องเรียนรู้ 991 รูปภาพและทดสอบ 140 รูปภาพ โดยเราได้แบ่งประเภทชนิดของเสื้อผ้าไว้ทั้งหมด 7 ชนิด ได้แก่ เสื้อแจ็คเก็ต เสื้อเชิ้ต เสื้อสูท เสื้อกันหนาว เสื้อยืด เสื้อโปโล และเสื้อกล้าม ผลที่ได้จากการทดลองแสดงให้เห็นว่าการรู้จำชนิดของเสื้อผ้ามีความถูกต้องเฉลี่ย 73.57% |
| URL Website | cuir.car.chula.ac.th |
