Innovation Owner
Miss VARNAVORN LIMBOONSUEBSAI
Student
Details
This thesis presents the application of deep learning for object classification. The selected deep learning architectures studied include Convolutional Neural Networks (CNN) and ResNet18. It covers data preparation, feature extraction, parameter tuning for accuracy comparison, and performance evaluation of the selected models. The aim is to propose an efficient model for use in devices that assist visually impaired individuals in classifying indoor objects and providing sound alerts.
Objective
1) ศึกษาการประมวลผลภาพ (Image Processing) 2) ศึกษาอัลกอริทึมการเรียนรู้เชิงลึกเพื่อจำแนกวัตถุ 3) เพื่อออกแบบและสร้างอุปกรณ์เพื่อช่วยเหลือผู้บกพร่องทางสายตาสำหรับการจำแนกวัตถุที่เป็นอุปสรรคต่อการเคลื่อนที่ภายในอาคาร
ในปัจจุบันปัญหาในการเคลื่อนที่และการรับรู้สภาพแวดล้อมรอบตัวสำหรับผู้บกพร่องทางสายตายังคงเป็นอุปสรรคสำคัญในสังคมส่งผลให้เกิดความเสี่ยงต่อการเดินชนสิ่งกีดขวางและได้รับอันตราย ด้วยการนำเทคโนโลยีปัญญาประดิษฐ์เข้ามาใช้ในการเรียนรู้ การวิเคราะห์ และประมวลผลข้อมูลได้อย่างรวดเร็วเพื่อจำแนกวัตถุ ปริญญานิพนธ์นี้จึงมีจุดประสงค์เพื่อสร้างอุปกรณ์สำหรับช่วยเหลือผู้บกพร่องทางสายตาที่ใช้อัลกอริทึมการเรียนรู้เชิงลึกแบบต่างๆ เพื่อนำไปจำแนกวัตถุที่เป็นอุปสรรคสำหรับผู้บกพร่องทางสายตาในการทำกิจวัตรประจำวันภายในอาคารและส่งสัญญาณเตือนให้ผู้ใช้งานทราบให้เคลื่อนที่อย่างปลอดภัย
ได้สร้างอุปกรณ์สำหรับช่วยเหลือผู้มีความบกพร่องทางสายตาที่สามารถแจ้งเตือนถึงอุปสรรคเพื่อความปลอดภัยในการเคลื่อนไหวภายในอาคาร