การระบุประเภทเหรียญกษาปณ์สำหรับระบบรู้จำเหรียญกษาปณ์โดยใช้เครือข่ายใยประสาทคอนโวลูชันและการเรียนรู้แบบถ่ายโอน
Coin Identification for Coin Recognition Systems Based on Convolutional Neural Network and Transfer Learning
คำสำคัญ:
การรู้จำเหรียญ, การเรียนรู้เชิงลึก, การเรียนรู้ของเครื่อง, การเรียนรู้แบบถ่ายโอนบทคัดย่อ
การเก็บสะสมเหรียญเป็นงานอดิเรกที่สามารถดึงดูดผู้คนด้วยเหตุผลหลายประการ ตั้งแต่ความอยากรู้อยากเห็นทางประวัติศาสตร์ โอกาสในการลงทุน ไปจนถึงความเพลิดเพลินและความพึงพอใจส่วนตัว นอกจากนี้ข้อมูลเกี่ยวกับเหรียญประเภทต่างๆ ก็มีความสำคัญและจำเป็นสำหรับนักสะสมเหรียญกษาปณ์รุ่นใหม่ ดังนั้นงานวิจัยนี้จึงนำเสนอการบูรณาการเทคนิคการเรียนรู้เชิงลึกผสมผสานกับการเรียนรู้แบบถ่ายโอนเพื่อการรู้จำเหรียญกษาปณ์ไทย โดยการใช้ประโยชน์จากอัลกอริทึมการเรียนรู้เชิงลึกและการเรียนรู้แบบถ่ายโอนจึงทำให้งานวิจัยนี้จึงสามารถนำไปประยุกต์ใช้ในการพัฒนาระบบค้นหาข้อมูลเหรียญกษาปณ์จากภาพเหรียญสำหรับสกุลเงินไทย โดยประสิทธิภาพของวิธีการที่นำเสนอได้รับการประเมินและเปรียบเทียบประสิทธิภาพกับโมเดลการเรียนรู้แบบถ่ายโอนแบบอื่นๆ และจากผลการทดลองแสดงให้เห็นว่าแบบจำลองฝึกล่วงหน้าที่ใช้วิธีการ MobileNet-v2 สามารถให้ค่า macro average f1-score สูงที่สุดที่ 100% ซึ่งสามารถบ่งบอกได้ว่าวิธีการที่นี้เหมาะสมกับระบบการรู้จำเหรียญกษาปณ์ของไทย
Downloads
References
Li Q, Ji L, Wu J. Coin image recognition based on K-nearest neighbor algorithm. In: ECITech 2022; The 2022 International Conference on Electrical, Control and Information Technology; 2022; Kunming, China.
He W, Wu H. Ancient and modern coin recognition using a novel rotation-invariant convolutional neural network. In: 2021 6th International Symposium on Computer and Information Processing Technology (ISCIPT); 2021; Changsha, China. p. 395-8.
Zainuddin NN, Azhari MSNBN, Hashim W, Alkahtani AA, Mustafa AS, Alkawsi G, et al. Malaysian coins recognition using machine learning methods. In: 2021 2nd International Conference on Artificial Intelligence and Data Sciences (AiDAS); 2021; Ipoh, Malaysia. p. 1-5.
Tajane AU, Patil JM, Shahane AS, Dhulekar PA, Gandhe ST, Phade GM. Deep learning based Indian currency coin recognition. In: 2018 International Conference on Advances in Communication and Computing Technology (ICACCT); 2018; Sangamner, India. p. 130-4.
Swain D, Rupapara V, Nour A, Satapathy S, Acharya B, Mishra S, et al. A deep learning framework for the classification of Brazilian coins. IEEE Access. 2023;11:109448-61.
Zhou J, Zhuang J, Li B, Zhou L. Research on underwater image recognition based on transfer learning. In: OCEANS 2022; 2022; Hampton Roads, VA, USA. p. 1-7.
Kondo K, Hasegawa T. Deep transfer learning using class augmentation for sensor-based human activity recognition. IEEE Sens Lett. 2022 Oct;6(10):1-4. Art no. 6003604.
Tai TT, Thanh DNH, Hung NQ. A dish recognition framework using transfer learning. IEEE Access. 2022;10:7793-9.
Goel P, Ganatra A. Handwritten Gujarati numerals classification based on deep convolution neural networks using transfer learning scenarios. IEEE Access. 2023;11:20202-15.
Li J, Luo X, Ma H, Zhao W. A hybrid deep transfer learning model with kernel metric for COVID-19 pneumonia classification using chest CT images. IEEE/ACM Trans Comput Biol Bioinform. 2023 Jul-Aug;20(4):2506-17.
Huang X. High resolution remote sensing image classification based on deep transfer learning and multi feature network. IEEE Access. 2023;11:110075-85.
Raza A, Munir K, Almutairi MS, Sehar R. Novel transfer learning based deep features for diagnosis of Down syndrome in children using facial images. IEEE Access. 2024;12:16386-96.
Capece N, Erra U, Ciliberto AV. Implementation of a coin recognition system for mobile devices with deep learning. In: 2016 12th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS); 2016; Naples, Italy. p. 186-92.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2024 วารสารก้าวทันโลกวิทยาศาสตร์

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.