បញ្ហា (The Problem)៖ ការកំណត់អត្តសញ្ញាណជំងឺស្រូវដោយផ្ទាល់ដៃត្រូវចំណាយពេលយូរ ចំណែកឯម៉ូដែលបណ្ដាញសរសៃប្រសាទកុំព្យូទ័រ (CNN) ធម្មតាទាមទារទំហំផ្ទុកនិងថាមពលគណនាធំ ដែលធ្វើឱ្យពិបាកក្នុងការដាក់ឱ្យប្រើប្រាស់នៅលើឧបករណ៍ចល័ត ឬឧបករណ៍បង្កប់។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានស្នើឡើងនូវប្រព័ន្ធកំណត់អត្តសញ្ញាណជំងឺស្រូវ ដោយប្រើប្រាស់ម៉ូដែល CNN ទម្ងន់ស្រាលប្រភេទ MobileNetV2 និងបច្ចេកទេសបង្រួមម៉ូដែល។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Base MobileNetV2 ម៉ូដែល MobileNetV2 ដើម |
មានសមត្ថភាពខ្ពស់ក្នុងការស្រង់យកលក្ខណៈពិសេសនៃរូបភាពដោយស្វ័យប្រវត្តិ និងមានភាពត្រឹមត្រូវល្អជាមូលដ្ឋាន។ | ទាមទារទំហំផ្ទុកធំ (17.30MB) និងចំនួនប្រតិបត្តិការគណនាច្រើន (313.47M FLOPS) ដែលមិនសូវស័ក្តិសមសម្រាប់ឧបករណ៍ខ្សោយ។ | ទទួលបានអត្រាភាពត្រឹមត្រូវ ៩០.៦៨% និងមានប៉ារ៉ាម៉ែត្រចំនួន ២.២៣លាន។ |
| Pruned MobileNetV2 (Proposed) ម៉ូដែល MobileNetV2 ដែលបានកាត់ឆានែល (Channel Pruning) និង Fine-tuning |
មានទំហំតូចខ្លាំង (4.41MB) កាត់បន្ថយការប្រើប្រាស់អង្គចងចាំបាន ៧៤% និងដំណើរការលឿនជាងមុន ដោយរក្សាបានភាពត្រឹមត្រូវខ្ពស់។ | ទាមទារការកំណត់អត្រាកាត់ (Pruning ratio) ឱ្យបានត្រឹមត្រូវ បើកាត់ច្រើនពេក (លើសពី ០.៥) ភាពត្រឹមត្រូវនឹងធ្លាក់ចុះយ៉ាងខ្លាំងដែលមិនអាចកែប្រែបាន។ | ទទួលបានអត្រាភាពត្រឹមត្រូវ ៩០.៨៤% (កើនឡើង ០.១៦%) និងកាត់បន្ថយប៉ារ៉ាម៉ែត្រនៅសល់ត្រឹម ១.១១លាន។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះបានបញ្ជាក់យ៉ាងច្បាស់អំពីតម្រូវការផ្នែករឹង (Hardware) និងផ្នែកទន់ (Software) សម្រាប់ដំណើរការបង្ហាត់ និងដាក់ពង្រាយម៉ូដែល។
ការសិក្សានេះប្រមូលទិន្នន័យរូបភាពជំងឺស្រូវនៅប្រទេសចិន ដែលមានតែ ៥ ប្រភេទជំងឺប៉ុណ្ណោះ។ សម្រាប់ប្រទេសកម្ពុជា ពូជស្រូវ អាកាសធាតុ និងបរិស្ថានដាំដុះមានលក្ខណៈខុសប្លែកពីប្រទេសចិន ដែលអាចធ្វើឱ្យការប្រើប្រាស់ម៉ូដែលនេះដោយផ្ទាល់ជួបបញ្ហាភាពត្រឹមត្រូវមិនច្បាស់លាស់។ ដូច្នេះការប្រមូលទិន្នន័យរូបភាពជំងឺស្រូវក្នុងស្រុកបន្ថែម គឺជារឿងចាំបាច់បំផុត។
បច្ចេកវិទ្យាបង្រួមម៉ូដែល AI ឱ្យមានទម្ងន់ស្រាលនេះ មានសក្តានុពលខ្ពស់ខ្លាំងណាស់ក្នុងការយកមកអនុវត្តនៅក្នុងវិស័យកសិកម្មរបស់ប្រទេសកម្ពុជា។
ការដាក់ពង្រាយប្រព័ន្ធ AI ទម្ងន់ស្រាលលើទូរស័ព្ទដៃ គឺជាដំណោះស្រាយដ៏ឆ្លាតវៃនិងចំណាយតិច ដែលអាចជួយការពារការខាតបង់ទិន្នផលស្រូវ និងធានាសន្តិសុខស្បៀងនៅកម្ពុជាបានយ៉ាងមានប្រសិទ្ធភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| convolutional neural network (CNN) | ជាប្រភេទបណ្ដាញសរសៃប្រសាទសិប្បនិម្មិតដែលពូកែខាងវិភាគទិន្នន័យជារូបភាព ដោយវាប្រើប្រាស់រចនាសម្ព័ន្ធតម្រង (Filters) ឆ្លងកាត់គ្នាជាស្រទាប់ៗ ដើម្បីទាញយកលក្ខណៈពិសេសៗ (ដូចជា គែម ទម្រង់ ឬពណ៌) ពីរូបភាពដោយស្វ័យប្រវត្តិ។ | ដូចជាភ្នែកមនុស្សដែលមើលឃើញរូបរាងសត្វ ឬវត្ថុផ្សេងៗ ដោយផ្តុំចំណុចតូចៗជាច្រើននៃពន្លឺនិងពណ៌បញ្ចូលគ្នាឱ្យចេញជារូបរាងតែមួយ។ |
| channel pruning | ជាបច្ចេកទេសបង្រួមទំហំម៉ូដែល AI ដោយកាត់ចោលនូវបណ្ដាញតភ្ជាប់ (Channels) ឬប៉ារ៉ាម៉ែត្រណាដែលមិនសូវមានប្រយោជន៍ ឬមិនសូវចូលរួមចំណែកក្នុងការធ្វើសេចក្តីសម្រេចចិត្ត ដើម្បីឱ្យម៉ូដែលដំណើរការលឿននិងស៊ីទំហំផ្ទុកតិចដោយរក្សាបានភាពត្រឹមត្រូវប្រហាក់ប្រហែលដើម។ | ដូចជាការកាត់មែកឈើដែលងាប់ ឬមិនសូវចេញផ្លែចោល ដើម្បីឱ្យដើមឈើទាំងមូលនៅស្រាល ទទួលបានពន្លឺគ្រប់គ្រាន់ និងនៅតែផ្តល់ទិន្នផលល្អ។ |
| depth-wise separable convolution (DSC) | ជាបច្ចេកទេសស្នូលរបស់ MobileNet ដែលបំបែកប្រតិបត្តិការ Convolution ធម្មតាជាពីរដំណាក់កាល (Depth-wise និង Point-wise) ដើម្បីកាត់បន្ថយចំនួននៃការគណនាគណិតវិទ្យាបានយ៉ាងច្រើនសន្ធឹកសន្ធាប់ដោយមិនធ្វើឱ្យបាត់បង់គុណភាពក្នុងការទាញយកលក្ខណៈពីរូបភាព។ | ដូចជាការបែងចែកការងាររោងចក្រជាពីរផ្នែកដាច់ពីគ្នា ដែលផ្នែកនីមួយៗជំនាញរៀងខ្លួន ធ្វើឱ្យចំណេញកម្លាំងពលកម្មនិងពេលវេលាជាងការឱ្យមនុស្សម្នាក់ធ្វើការងារទាំងអស់តាំងពីដើមដល់ចប់។ |
| floating-point operations per second (FLOPS) | ជារង្វាស់ទូទៅដែលគេប្រើសម្រាប់វាស់ស្ទង់ល្បឿន ឬទំហំនៃការគណនារបស់កុំព្យូទ័រ ក៏ដូចជាកម្រិតភាពស្មុគស្មាញរបស់ម៉ូដែល AI។ ម៉ូដែលដែលមាន FLOPS ទាប មានន័យថាវាទាមទារថាមពលគណនាតិច ស័ក្តិសមសម្រាប់ឧបករណ៍ចល័ត ឬទូរស័ព្ទដៃ។ | ដូចជារង្វាស់កម្លាំងសេះ (Horsepower) របស់ម៉ាស៊ីនឡានអញ្ចឹងដែរ គ្រាន់តែនេះជារង្វាស់ទំហំកម្លាំងគណនារបស់ម៉ូដែល AI ក្នុងមួយវិនាទី។ |
| L1 regularization | ជាបច្ចេកទេសគណិតវិទ្យាដែលត្រូវបានបន្ថែមទៅលើអនុគមន៍កំហុស (Loss function) ពេលកំពុងបង្ហាត់ម៉ូដែល ដើម្បីជំរុញឱ្យទម្ងន់ (Weights) នៃលក្ខណៈពិសេសមួយចំនួនធ្លាក់ចុះដល់សូន្យ ដែលជួយឱ្យប្រព័ន្ធងាយស្រួលជ្រើសរើសនិងរក្សាទុកតែទិន្នន័យណាដែលសំខាន់បំផុត។ | ដូចជាច្បាប់ពិន័យមួយដែលបង្ខំឱ្យសិស្សផ្តោតតែលើមេរៀនណាដែលនឹងចេញប្រឡងពិតប្រាកដ ហើយបោះបង់មេរៀនដែលមិនសំខាន់ចោល ដើម្បីសន្សំការចងចាំរបស់ខួរក្បាល។ |
| fine-tune | ជាដំណើរការយកម៉ូដែល AI ដែលមានស្រាប់ ឬម៉ូដែលដែលទើបតែត្រូវបានកាត់បន្ថយទំហំ (Pruned) មកបង្ហាត់សាជាថ្មីក្នុងកម្រិតស្រាលជាមួយនឹងទិន្នន័យដដែល ដើម្បីឱ្យវាស្ដារ ឬកែលម្អភាពត្រឹមត្រូវឡើងវិញបន្ទាប់ពីរងការបាត់បង់ទិន្នន័យខ្លះៗ។ | ដូចជាការយកកាំបិតដែលទើបតែដំជារូបរាងរួច មកសំលៀងបន្ថែមបន្តិចទៀតឱ្យមុតល្អ មុននឹងយកទៅប្រើប្រាស់កាត់វត្ថុអ្វីមួយដោយផ្ទាល់។ |
| Knowledge distillation | ជាវិធីសាស្ត្រមួយទៀតនៃការបង្រួមម៉ូដែល ដែលគេប្រើប្រាស់ម៉ូដែលធំមានសមត្ថភាពខ្ពស់ (ហៅថា គ្រូ) ដើម្បីបង្រៀននិងផ្ទេរចំណេះដឹងទៅឱ្យម៉ូដែលតូចមួយទៀត (ហៅថា សិស្ស) ដើម្បីឱ្យម៉ូដែលតូចអាចមានលទ្ធភាពវិភាគទិន្នន័យបានល្អប្រហាក់ប្រហែលម៉ូដែលធំ។ | ដូចជាសាស្ត្រាចារ្យជើងចាស់ម្នាក់ (ម៉ូដែលធំ) ដែលផ្ទេរចំណេះដឹងនិងបទពិសោធន៍សង្ខេបៗរបស់គាត់ទៅឱ្យកូនសិស្ស (ម៉ូដែលតូច) ដើម្បីឱ្យសិស្សអាចធ្វើការងារបានល្អដោយមិនបាច់ប្រើពេលរៀនសូត្រពីចំណុចសូន្យឡើងវិញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
