With the current cost of living situation in Thailand continuously rising, many recent graduates face challenges in managing their expenses in alignment with the increasing living costs. Food expenses, even for common street food, continue to surge with no sign of decreasing, despite improvements in raw material costs. Pay-Attention is a website platform designed to help recent graduates gain insights into managing and optimizing their food expenses effectively. It provides guidance on how to spend wisely, ensuring cost-effectiveness while maintaining adequate daily nutritional intake, without falling into monotonous eating habits.
ด้วยสถานการณ์ “ค่าครองชีพ” ของประเทศไทยในปัจจุบันมีแนวโน้มพุ่งขึ้นสูงเรื่อยๆ นับตั้งแต่ ยุคหลังโควิด-19 แต่ฐานเงินเดือนและรายได้ของนักศึกษาจบใหม่ ก็ยังคงมีฐานเริ่มต้นเหมือนเดิม ไม่ต่างจากหลายปีก่อน เป็นผลทำให้ประชากรที่พึ่งสำเร็จการศึกษา ในประเทศไทยจำนวนไม่น้อย ประสบกับปัญหาเรื่องการจัดการค่าใช้จ่าย ให้สอดคล้องกับค่าครองชีพอย่างเหมาะสมในปัจจุบัน ทั้งค่าใช้จ่ายคงที่ และค่าใช้จ่ายผันแปร ที่แปรเปลี่ยนไปตามวิถีชีวิตของแต่ละคน มากน้อย ตามความต้องการและรสนิยม ซึ่งเป็นค่าใช้จ่ายที่ต้องระวังและควบคุมการใช้จ่ายอย่างมีสติเสมอโดยเฉพาะค่าใช้จ่ายเรื่องอาหารที่แม้แต่ตามสั่งทั่วไปก็พุ่งสูงขึ้นเรื่อยเรื่อยไม่มีท่าทีจะลดลงแม้ต้นทุนวัตถุดิบจะปรับปรุงก็ตาม
คณะวิทยาศาสตร์
Developing a Smart Farming Simulation Utilizing LoRa Communication and Presenting Knowledge on LoRa Communication System Components
คณะเทคโนโลยีสารสนเทศ
This research presents a deep learning method for generating automatic captions from the segmentation of car part damage. It analyzes car images using a Unified Framework to accurately and quickly identify and describe the damage. The development is based on the research "GRiT: A Generative Region-to-text Transformer for Object Understanding," which has been adapted for car image analysis. The improvement aims to make the model generate precise descriptions for different areas of the car, from damaged parts to identifying various components. The researchers focuses on developing deep learning techniques for automatic caption generation and damage segmentation in car damage analysis. The aim is to enable precise identification and description of damages on vehicles, there by increasing speed and reducing the work load of experts in damage assessment. Traditionally, damage assessment relies solely on expert evaluations, which are costly and time-consuming. To address this issue, we propose utilizing data generation for training, automatic caption creation, and damage segmentation using an integrated framework. The researchers created a new dataset from CarDD, which is specifically designed for cardamage detection. This dataset includes labeled damages on vehicles, and the researchers have used it to feed into models for segmenting car parts and accurately labeling each part and damage category. Preliminary results from the model demonstrate its capability in automatic caption generation and damage segmentation for car damage analysis to be satisfactory. With these results, the model serves as an essential foundation for future development. This advancement aims not only to enhance performance in damage segmentation and caption generation but also to improve the model’s adaptability to a diversity of damages occurring on various surfaces and parts of vehicles. This will allow the system to be applied more broadly to different vehicle types and conditions of damage inthe future
วิทยาเขตชุมพรเขตรอุดมศักดิ์
-