Classification Car Model using Deep learing (CNN)
ในบทความนี้จะเป็นการใช้ Deep Learning (CNN) ในการแบ่งประเภทของยี่ห้อรถยนต์ โดยได้เลือก 3 ยี่ห้อคือ Audi , Benz และ Hundai หรือเรียกอีกชื่อว่า Grandeur ให้ Model เรียนรู้ การทำงานได้ใช้ข้อมูลสำหรับ train 200 และ test 50
เครื่องมือที่ใช้จะใช้งานบน Google Colab ซึ่งสามารถให้การพัฒนา Python และทำ Model ต่าง ๆ ได้สะดวกมากมาย ซึ่งการทำ Model นี้ มีวิธีการทำ 8 ขั้นตอน ดังนี้
- สร้าง Folder Car Model ใน Google Drive และนำ Dataset ที่เป็นรุปภาพจัดเตรียมไว้
2. ทำการ Authen ให้ Colab สามารถใช้ข้อมูลใน Google Drive
#perform authorization to access Google Drive
from google.colab import drive
#mount you GoogleDrive to “drive” folder
drive.mount(‘/drive’, force_remount=True)
3. Import Keras pandas numpy matplotlib เข้ามาใช้งาน
4. ทำการตรวจสอบข้อมูล dataset ก่อน train ข้อมูล
5.ทำการกำหนด Dataset ในการนำเข้า CNN Model
6. ทำการกำหนดโครงสร้างของ CNN Model และทำการ Train data
7. ทำการ plot ผลลัพท์ของการ Test เทียบกับ Train คือได้ค่าความผิดพลาดต่ำลงเรื่อย ๆ และมีตวามแม่นยำมากขึ้นตามรอบที่ทดสอบ
8. จากนั้นนำ Model ไปทดสอบรถแต่ละยี่ห้อ โดยเลือกอย่างละ 5 รูป จะได้ผลออกมาเป็นที่แม่นยำ โดยจะแสดงชื่อยี่ห้อรถตรงกับรูป
สรุป
ในบทความนี้แสดงถึงการใช้ CNN ในการเข้าไปตรวจสอบรูปและยี่ห้อรถ 3 ยี่ห้อและให้ทำนายผลลัพธ์ ซึ่งบทความนี้สามารถนำไปประยุกต์ในการให้ Deep learning เข้าไปช่วยในการวิเคราะห์ภาพและจัดกลุ่มของข้อมูลค่าง ๆ ที่ต้องการได้
สุดท้ายนี้บทความนี้ เขียนเพื่อเป็นส่วนหนึ่งของวิชา ฺBD651 (Multimedia Mining) หลักสูตรวิศวกรรมศาสตรมหาบัณฑิต สาขาวิศวกรรมข้อมูลขนาดใหญ่ มหาวิทยาลัยธุรกิจบัณฑิต
