การจำแนกอัตลักษณ์ของสุนัขด้วย DCNN model

Abstract

การระบุตัวสุนัขจากสุนัขสายพันธุ์เดียวกันอาทิเช่น โกลเด้น รีทรีฟเวอร์ (Golden Retriever) หรือ ไซบีเรียน ฮัสกี้ (Siberian Husky) ถ้าไม่ใช่ผู้ที่เป็นเจ้าของหรือผู้ใกล้ชิดกับสุนัขตัวนั้นอาจจะระบุตัวได้ยาก เนื่องจากสุนับสายพันธุ์เดียวกันจะมีรูปร่างและสีขนที่มีความคล้ายคลึงกันมาก งานวิจัยฉบับนี้นี้จึงทำการทตลองเกี่ยวกับการจำแนกและศึกษาคุณลักษณะของสุนัขสายพันธุ์ โกลเด้น รีทรีฟเวอร์ (Golden Retriever) แต่ละตัว โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันทั้งหมด 4 โครงข่ายคือ VGG16, ResNet50, Inception)V3 และ Xception กับภาพถ่ายสุนัขจำนวน 1000 รูป จากผลการทดลองพบว่า Re:Net50 มีค่าความแม่นยำเฉลี่ยที่สูงถึงร้อยละ 99 ซึ่งจากการเขียนกราฟการเรียนรู้ (Learning Curve) ทำให้เห็นว่า ResNet50 อาจจะเกิด Overfitting ในส่วนของ Xception ให้ค่าความแม่นยำเฉลี่ยอยู่ที่ร้อยละ 92 ส่วน InceptionV3 และ VGG16 มีค่าความแม่นยำเฉลี่ยอยู่ที่ร้อยละ 59 และ 35 ตามลำดับ อาจจะเกิดจากการที่มีข้อมูลในการเรียนรู้น้อยเกินไปจึงทำให้ได้ค่าความแม่นยำที่ต่ำ

Dog identification from the same breed, such as Golden Retriever or Siberian Husky, is difficult, especially for non-owner. It is because each breed's variety of facial body shapes and coat colors (fur) is narrow. Therefore, this research explores the possibility of developing a dog identification model. The experiment compared four Convolutional neural networks (CNNs), namely VGG16, Resilet50, Inception) and Xception, using 1000 Golden Retriever sample images. The results have shown that Resnet50 had a high average accuracy of 99 %. However, the learning curve shows that ResNet50 may be overfitting Moreover, Xception gave an average accuracy of 92 92 InceptionV3 and VGG16 had an average accuracy of 59 96 and 35 96, respectively, which might be due to the number of training datasets causing low accuracy.