JavaScript is disabled for your browser. Some features of this site may not work without it.
| dc.contributor.author | อัครา ธรรมมาสถิตย์กุล | |
| dc.date.accessioned | 2023-10-30T06:24:29Z | |
| dc.date.available | 2023-10-30T06:24:29Z | |
| dc.date.issued | 2566 | |
| dc.identifier.uri | https://buuir.buu.ac.th/xmlui/handle/1234567890/10280 | |
| dc.description.abstract | เมทาดาทาภาพถ่าย คือคำที่ใช้อธิบายลักษณะสำคัญต่าง ๆ ที่อยู่ในภาพถ่าย มีส่วนสำคัญในการ จัดเก็บคลังข้อมูลภาพถ่าย ทั้งช่วยในการทำดัชนี การจัดหมวดหมู่ กำหนดคำค้น รวมถึงเพิ่มประสิทธิภาพ การค้นหา ด้วยความต้องการที่เพิ่มขึ้นสำหรับการจัดการภาพถ่าย และกำหนดเมทาดาทาแบบอัตโนมัติ ได้มีโปรแกรมที่สามารถใช้ในการกำหนดเมทาดาทาภาพถ่ายอัตโนมัติได้หลายโปรแกรม งานวิจัยนี้มี วัตถุประสงค์เพื่อศึกษา และประเมินประสิทธิภาพเครื่องมือปัญญาประดิษฐ์ที่สามารถรู้จำวัตถุในภาพถ่าย ได้ 4 โปรแกรมได้แก่ อเมซอน-เรคคอคนิชัน คลาริฟาย อิมเมกกา และกูเกิลคลาวน์วิชันเอพีไอ เพื่อ วิเคราะห์โปรแกรมที่เหมาะสมสำหรับการกำหนดเมทาดาทาสำหรับภาพถ่ายแบบอัตโนมัติ การศึกษาได้เปรียบเทียบประสิทธิภาพของเครื่องมือเหล่านี้บนชุดข้อมูลของรูปภาพซึ่งครอบคลุม หมวดหมู่ต่าง ๆ ได้แก่ คน สัตว์ ต้นไม้-ดอกไม้ วิวทิวทัศน์ ผัก-ผลไม้ อาหาร ยานพาหนะ สถานที่ ท่องเที่ยว ศิลปวัฒนธรรม และภาพปกหนังสือ/โปสเตอร์เก่า ด้วยการวัดค่าคำทับซ้อน การวัดค่าคำที่ไม่ ทับซ้อน การวัดค่าความคล้ายโคไซน์ การหาค่าความไว ค่าความแม่นยำ และ ค่าความถูกต้องเอฟวัน ผลลัพธ์แสดงให้เห็นว่าเครื่องมือทั้งหมดสามารถใช้ในการกำหนดเมทาดาทาได้ในประสิทธิภาพที่ แตกต่างกัน จากการศึกษาพบว่าเครื่องมือที่ดีที่สุดสำหรับการกำหนดรูปภาพของคน สัตว์ และอาหารคือ โปรแกรมคลาริฟาย โปรแกรมอเมซอน เรคคอคนิชัน ทำงานได้ดีที่สุดกับภาพผักผลไม้ และยานพาหนะ โปรแกรมอิมเมกกา ทำงานได้ดีที่สุดกับภาพต้นไม้ดอกไม้ ศิลปวัฒนธรรม และปกหนังสือ/โปสเตอร์เก่า ในขณะที่โปรแกรมกูเกิลคลาวน์วิชันเอพีไอ ทำงานได้ดีที่สุดกับภาพถ่ายวิวทิวทัศน์ และสถานที่ท่องเที่ยว ถึงแม้ว่าเครื่องมือปัญญาประดิษฐ์นี้จะสามารถกำหนดเมทาดาทาได้ แต่การตรวจสอบจากมนุษย์ในขั้นตอนสุดท้ายยังเป็นสิ่งที่จำเป็นเพื่อให้ได้เมทาดาทาที่สมบูรณ์ และถูกต้องมากที่สุด | th_TH |
| dc.description.sponsorship | โครงการวิจัยประเภทงบประมาณเงินรายได้มหาวิทยาลัย เงินรายได้ส่วนงาน มหาวิทยาลัยบูรพา ประจำปีงบประมาณ พ.ศ. 2565 คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยบูรพา | th_TH |
| dc.language.iso | th | th_TH |
| dc.publisher | คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยบูรพา | th_TH |
| dc.subject | ปัญญาประดิษฐ์ | th_TH |
| dc.subject | ภาพถ่ายดิจิทัล | th_TH |
| dc.title | การศึกษาการใช้ปัญญาประดิษฐ์เพื่อพัฒนาเมทาดาทาภาพถ่ายดิจิทัล | th_TH |
| dc.title.alternative | A study of using artificial intelligence to enhance digital image metadata | th_TH |
| dc.type | Research | th_TH |
| dc.year | 2566 | th_TH |
| dc.description.abstractalternative | Image metadata known as text data contains information that is relevant to or can identify objects in the image. Effective metadata aid in managing images, including indexing, categorizing, and creating search terms. With the increasing demand for image manipulation and automatically generate metadata has led to the development of numerous image recognition tools. In this research report, we evaluate four image recognition tools: Amazon Rekognition, Clarifai, Imagga, and Google Cloud Vision API. Our study aims to analyze the appropriate program for automatic image metadata determination. We conducted experiments on several datasets consisting of various image categories, such as human, animal, plant and flower, view and landscape, vegetable and fruit, food, vehicle, tourist landmark, art and culture, and old book cover and posters. We used word overlap similarity measure, no word overlap similarity measure, cosine similarity, precision, recall, and F1-score as evaluation metrics to assess the performance of each tool. The results showed that all of the tools performed well, but there were notable differences in performance across categories. Overall, the best tool for human animal and food image tagging was found to be Clarifai, while Amazon Rekognition performed best for vegetable-fruit and vehicle images. Imagga was found to be the best tool for plant and flower, art and culture, and old book cover and posters image recognition, while Google Cloud Vision API performed best for view and landscape and tourist landmark recognition. These findings highlight the importance of carefully selecting the appropriate tool for a given task and suggest that the performance of these tools may be improved through further training and refinement. Although this Artificial intelligence system is capable of identifying metadata. However, the most accurate and reliable technique to acquire precise metadata is to conduct a final human supervision. | th_TH |
