อุปกรณ์สำหรับช่วยเหลือผู้มีความบกพร่องทางสายตา ในการใช้ชีวิตภายในอาคาร

ปริญญานิพนธ์นี้นำเสนอการใช้การเรียนรู้เชิงลึกสำหรับการจำแนกวัตถุ โดยอัลกอริทึมการเรียนรู้เชิงลึกมีโครงสร้างที่เลือกศึกษา ได้แก่ Convolution Neural Network (CNN) และ ResNet18 รวมถึงการเตรียมข้อมูล การดึงคุณลักษณะ การปรับพารามิเตอร์เพื่อเปรียบเทียบความแม่นยำ และการประเมินประสิทธิภาพของโมเดลที่เลือก เพื่อนำเสนอโมเดลที่มีประสิทธิภาพสำหรับการใช้งานกับอุปกรณ์ช่วยเหลือผู้มีความบกพร่องทางสายตาในการจำแนกวัตถุภายในอาคารและส่งเสียงเตือน

ในปัจจุบันปัญหาในการเคลื่อนที่และการรับรู้สภาพแวดล้อมรอบตัวสำหรับผู้บกพร่องทางสายตายังคงเป็นอุปสรรคสำคัญในสังคมส่งผลให้เกิดความเสี่ยงต่อการเดินชนสิ่งกีดขวางและได้รับอันตราย ด้วยการนำเทคโนโลยีปัญญาประดิษฐ์เข้ามาใช้ในการเรียนรู้ การวิเคราะห์ และประมวลผลข้อมูลได้อย่างรวดเร็วเพื่อจำแนกวัตถุ ปริญญานิพนธ์นี้จึงมีจุดประสงค์เพื่อสร้างอุปกรณ์สำหรับช่วยเหลือผู้บกพร่องทางสายตาที่ใช้อัลกอริทึมการเรียนรู้เชิงลึกแบบต่างๆ เพื่อนำไปจำแนกวัตถุที่เป็นอุปสรรคสำหรับผู้บกพร่องทางสายตาในการทำกิจวัตรประจำวันภายในอาคารและส่งสัญญาณเตือนให้ผู้ใช้งานทราบให้เคลื่อนที่อย่างปลอดภัย