Skip to content

Commit

Permalink
add 14 posts from 2024
Browse files Browse the repository at this point in the history
  • Loading branch information
pbuabthong committed Aug 8, 2024
1 parent b32cb73 commit 53843e5
Show file tree
Hide file tree
Showing 46 changed files with 738 additions and 0 deletions.
27 changes: 27 additions & 0 deletions posts/2024/1-paphada-saengpridikorn.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,27 @@
---
date: "31-7-24"
title: "Color Harmony Classifier ML (CoHaML)"
builder: "ปภาดา แสงปรีดีกรณ์(หมูแดง)"
builder_info: "เตรียมอุดมศึกษาพัฒนาการ / กรุงเทพมหานคร"
thumbnail: "/images/2024/1/01.jpg"
links:
github: "https://github.com/ccs3312/chml/tree/main"
facebook: ""
blog: "https://medium.com/@moodaeng911/color-harmony-finder-ai-ด้วย-fastai-90ecc303961e"
---

![image](/images/2024/1/01.jpg)

Color Harmony Classifier ML (CoHaML) หารูปแบบและ Classify การใช้สีของภาพวาดโดยใช้โมเดลเรียนรู้ Fastai
- CoHaML เกิดขึ้นมาจากความขาดแคลน AI วิเคราะห์งานศิลปะที่สามารถระบุความสัมพันธ์ระหว่างสี (color harmony) ในภาพวาด และเครื่องมือที่มีอยู่ในปัจจุบันก็มีประสิทธิภาพไม่มากพอ
- Criteria ในการจัดกลุ่มรูปแบบต่าง ๆ จำเป็นต้องมีการกำหนดขึ้นมาใหม่ตามพื้นฐานของทฤษฎีสีเพื่อเพิ่มความวัดผลได้ในเชิงปริมาณ จึงต้องมีการสร้างโปรแกรมแบบ rule-based ขึ้นมาก่อน เพื่อคัดแยกข้อมูลที่ถูกต้องที่สุดมาใช้เป็น training dataset ของโมเดลที่ทำ และสามารถวัดผลได้อย่างชัดเจนที่สุดโดยไม่มี bias ของมนุษย์เข้ามาเจือปน
- Dataset ที่ใช้ มาจากฐานข้อมูลงานศิลปะจากศิลปินชั้นครูจากประเทศฝั่งตะวันตก
- Preprocessing ด้วยการครอปรูปในการเทรนให้มีขนาดท่ากัน แต่ยังคงรายละเอียดให้ครบถ้วนที่สุดเพื่อไม่ให้ส่งผลต่อประสิทธิภาพของโมเดล และเพิ่มความหลากหลายของ training set ด้วยการ augmentation โดยเลือกวิธีไม่ให้กระทบกับคุณภาพของ training images ที่คัดกรองมาแล้วอีกเช่นกัน
- Fine-Tune แบบสำเร็จรูปด้วยคำสั่ง learn.fine_tune
- Evaluate โดยการเทียบกับผลลัพธ์ที่ได้จากโปรแกรมแบบ rule-based ที่ทำเอาไว้ก่อนหน้า และกับความสามารถของคนที่มีความรู้ด้านศิลปะที่ใช้แบบสอบถามในการประเมิน (ในส่วนนี้เนื่องจากยังอยู่ในระหว่างการพัฒนา คาดว่าจะได้ประสิทธิภาพไม่สูงไปกว่า rule-based model แต่จะสูงกว่าผลที่วัดจากการประเมินด้วยสายตาคน)
- Suggestion หากพบช่องโหว่ในกฎที่ใช้ในการเทรน อาจต้องมีการปรับปรุงกฎให้เลียนแบบทฤษฎีได้อย่างใกล้เคียงมากขึ้น และโมเดลนี้ หากมีฐานข้อมูลจำนวนมากพอ อาจให้ผลลัพธ์ที่ถูกต้องได้ถึง 100% แต่โดยพื้นฐานแล้ว ศาสตร์เกี่ยวกับความสัมพันธ์ระหว่างสีเป็นสิ่งที่มีความคลุมเครืออยู่ในตัวของมันเอง เพราะฉะนั้นหากต้องการพัฒนาโมเดลต่อ อาจต้องมีการ discuss กับผู้ที่มีความเชี่ยวชาญเฉพาะด้านศิลปะ เพื่อหา criteria ฉบับปรับปรุงที่เหมาะแก่การนำไปใช้ที่สุด

### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> อยากมีความรู้เกี่ยวกับการสร้างปัญญาประดิษฐ์เพื่อที่จะทำประโยชน์ให้แก่สังคมที่ตัวเองอยู่ และนำไปใช้งานในสายอาชีพที่เกี่ยวข้องกับเทคโนโลยีและสาขาอื่น ๆ ที่สนใจในอนาคตค่ะ อยากได้สิ่งที่จำเป็นในการสร้างอนาคตที่เอื้อต่อการอยู่ร่วมกันของมนุษย์และปัญญาประดิษฐ์ในสายงานต่าง ๆ และในชีวิตประจำวัน โดยไม่ให้เกิดการเปลี่ยนแปลงขนาดใหญ่ในเวลาสั้น ๆ ซึ่งอาจส่งผลต่อชีวิตและความเป็นอยู่ของคนจำนวนมาก ซึ่งเป็นสิ่งที่สามารถพบเห็นได้ในทุกวันนี้ว่ามีคนจำนวนมากสูญเสียงานเนื่องจากการแทนที่ของ ai ในสายงานต่าง ๆ โดยที่มาของความตั้งใจนี้มาจากการที่ดิฉันได้มองเห็นทั้งข้อดีและข้อเสียของการนำ ai มาใช้งานในชีวิตประจำวัน จึงอยากหาวิธีที่จะสร้างรูปแบบของเทคโนโลยีนี้ที่จะทำให้เกิดประโยชน์ต่อสังคมมากที่สุด โดยลดข้อเสียลงให้เหลือน้อยที่สุด เพื่อสร้างสังคมที่ให้ความสำคัญกับคุณภาพชีวิตของมนุษย์และลดความยากลำบากในการทำงานต่าง ๆ เพื่อให้สามารถทำงานที่อยากทำได้โดยไม่เจอกับแรงกดดันหรือความแข่งขัน ด้วยเชื่อว่าสังคมที่จะอยู่รอดได้อย่างมีประสิทธิภาพสูงสุด ไม่ควรเป็นสังคมที่ถูกขับเคลื่อนด้วยความเครียดและความกระหายการมีชีวิตรอด เนื่องจากจะทำให้ผู้ที่อยู่ในสังคมนั้นไม่ต่างจากม้าที่ถูกล่อด้วยแกนข้าวโพดให้วิ่งไปข้างหน้า โดยไม่มีวันไปถึงความสุขและความพึงพอใจในชีวิตที่ต้องการ ซึ่งอาจเปรียบเทียบได้กับสังคมในปัจจุบัน และก้าวแรกที่สำคัญต่อเป้าหมายนี้มากที่สุดคือการหาความรู้และทักษะเกี่ยวกับการสร้างและนำระบบ ai ไปใช้งานค่ะ

25 changes: 25 additions & 0 deletions posts/2024/10-chonlana-kruawuthikun.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,25 @@
---
date: "31-7-24"
title: "Aquarium Fish Species Classification - โมเดลระบุสปีชีส์สัตว์น้ำจากภาพ"
builder: "ชลนา เครือวุฒิกุล(วาวา)"
builder_info: "สาธิต มศว ประสานมิตร (ฝ่ายมัธยม) / กรุงเทพมหานคร"
thumbnail: "/images/2024/10/01.jpg"
links:
github: "https://github.com/chonlanawawa/FishClassificationProject"
facebook: ""
blog: "https://medium.com/@chonlanawawa/aquarium-fish-species-classification-cd8fe60ab02a"
---

![image](/images/2024/10/01.jpg)

- ขั้นแรกคือ data เนื่องจากยังไม่มีคนทำ Dataset ของภาพสปีชีส์สัตว์น้ำ จึงทำการ scrape ด้วย library fastbook โดยอิงคลาสจาก List of Marine aquarium fish species (https://en.m.wikipedia.org/wiki/List_of_marine_aquarium_fish_species) ที่มีอยู่ 617 คลาส ได้มาทั้งหมด 74,040 รูป
- หลังจากทำการ cleaning แล้ว ได้มีการทำการลบคลาส และการรวมคลาสใน genus เดียวกัน เนื่องจากปัญหาจำนวนภาพน้อย, ใน genus เดียวกันคล้ายกันจนแยกไม่ออก จึงเหลืออยู่ 549 คลาส 43,287 รูป และในแต่ละคลาสจำนวนรูปต่างกันมาก เลยมีการทำ oversampling ด้วย library imblearn
- Train โมเดลมาเทียบทั้งหมด 4 โมเดล คือ MobileNet (ไม่ได้ finetune), MobileNet (finetune), ResNet50V2, DenseNet121 โดย MobileNet (finetune) ได้ผลลัพธ์บน test set ดีที่สุดที่ accuracy 83%
- สร้าง baseline set เพื่อทำการเทียบ accuracy ของโมเดลกับ Google reverse image search โดยกำหนดไว้ว่าต้องพบชื่อสามัญ หรือชื่อวิทยาศาสตร์ของสัตว์น้ำในรูปนั้น ๆ ภายใน 3 ลิงก์แรก โดย Google reverse search สามารถหาชื่อสปีชีส์เจอที่อัตรา 76.6859% ส่วนโมเดลมี accuracy ที่ 82.51% ซึ่งถือว่าโมเดลของเราชนะในเรื่อง usage ไปค่
- ในส่วนของ Future plan คือจะทำให้เมื่อ predict สปีชีส์แล้ว จะแสดงข้อมูลของสปีชีส์นั้น ๆ แบบสรุปอ่านง่าย และพัฒนาต่อเป็นแอปพลิเคชัน


### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> คือหนูเป็นคนที่มีไอเดียโปรเจคโผล่ขึ้นมาบ่อยมาก แต่ไม่รู้จะเริ่มต้นทำจริงยังไง ไม่รู้ว่ามันเป็นไปได้มั้ย สเกลใหญ่เกินความสามารถหนูไปรึเปล่า หรือต้องเอาไอเดียนี้ไปต่อยังไงอยู่ตลอด ซึ่งอาจจะเพราะว่าความรู้หนูไม่ได้แน่นถึงขนาดขั้นทำโปรเจคด้วยตัวเองได้ แต่สุดท้ายคือต้องพับไอเดียลงไปตลอดเลยค่ะ หนูเลยคิดว่าถ้าหนูเอาไอเดียที่มีมาลงโครงการนี้ ไอเดียนั้น ๆ จะสำเร็จได้ ด้วยการที่โครงการนี้มี mentor คอยช่วยคอยไกด์ แนะนำวิธีทำทางไปต่อในโปรเจค หนูไม่น่าจะเคว้งจนโปรเจคล่มเหมือนตอนทำเองคนเดียวค่ะ แล้วหนูน่าจะได้ความรู้ในด้านการทำ ai เพิ่มขึ้น พื้นฐานแน่นขึ้นจากการเรียนระหว่างโครงการนี้ จนหนูสามารถเอาความรู้ตรงนี้ไปต่อยอด ไปประยุกต์ใช้ทำโปรเจคต่อ ๆ ไปได้ ทำให้น่าจะวนกลับไปต่อยอดไอเดียเก่า ๆ ที่เคยมีได้ด้วยค่ะ แล้วคือหนูอยากเข้าโครงการนี้มาตั้งแต่ปีที่แล้ว แต่ว่าตอนนั้นยังเขียนโปรแกรมไม่เก่งพอจะทำข้อสอบเข้า แต่ว่าตอนนี้หนูสามารถทำได้แล้ว หนูเลยอยากเข้าโครงการให้ติดในรอบนี้มาก ๆ ค่ะ

Loading

0 comments on commit 53843e5

Please sign in to comment.