បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហាការលំបាកក្នុងការកំណត់អត្តសញ្ញាណប្រភេទរុក្ខជាតិថៃដ៏ច្រើនសន្ធឹកសន្ធាប់ ដោយបង្កើតប្រព័ន្ធកុំព្យូទ័រដែលអាចស្គាល់ឈ្មោះរុក្ខជាតិពឹងផ្អែកលើរូបភាពស្លឹកតែមួយសន្លឹក។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រមូលទិន្នន័យរូបភាពស្លឹករុក្ខជាតិផ្ទាល់ និងប្រើប្រាស់វិធីសាស្ត្រ Deep Learning ដើម្បីបង្ហាត់ប្រព័ន្ធក្នុងការសម្គាល់ចំណាត់ថ្នាក់រុក្ខជាតិ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Convolutional Neural Network (CNN - Proposed: ResNet50) បណ្ដាញសរសៃប្រសាទកុងវ៉ុល (CNN - ResNet50) |
មានភាពងាយស្រួលក្នុងការបង្ហាត់ និងអាចទាញយកលក្ខណៈពិសេសរបស់រូបភាព (Feature extraction) ដោយស្វ័យប្រវត្តិ។ ផ្តល់អត្រាសុក្រឹតភាពខ្ពស់បំផុត។ | ទាមទារសំណុំទិន្នន័យធំដើម្បីបង្ហាត់ និងអាចមានការភាន់ច្រឡំប្រសិនបើស្លឹករុក្ខជាតិមានរូបរាងស្រដៀងគ្នាខ្លាំង។ | ទទួលបានអត្រាសុក្រឹតភាព (Precision) ៩៦,៩៩% និងភាពត្រឹមត្រូវ (Accuracy) ៩៦,៥៩% ក្នុងរយៈពេលដំណើរការ ១,៣៦ វិនាទី/រូបភាព។ |
| Support Vector Machine (SVM) ម៉ាស៊ីនវ៉ិចទ័រគាំទ្រ (SVM) |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការដោះស្រាយជាមួយសំណាកទិន្នន័យតូចៗ និងការសម្គាល់លំនាំដែលមានវិមាត្រខ្ពស់និងមិនមែនលីនេអ៊ែរ។ | ទាមទារការទាញយកលក្ខណៈពិសេស (ពណ៌ រូបរាង វាយនភាព) ដោយដៃ ដែលចំណាយពេលនិងស្មុគស្មាញ។ | យោងតាមឯកសារស្រាវជ្រាវមុនៗ អត្រាសុក្រឹតភាពចន្លោះពី ៩២,៩៨% ទៅ ៩៨,១៣% អាស្រ័យលើចំនួនទិន្នន័យ។ |
| K-Nearest Neighbor (KNN) ក្បួនដោះស្រាយអ្នកជិតខាងជិតបំផុត (KNN) |
ជាម៉ូដែលចាត់ថ្នាក់សាមញ្ញ ដែលគណនាចម្ងាយរវាងលក្ខណៈពិសេសដូចគ្នា និងចំនួនអ្នកជិតខាងជិតបំផុត។ | ប្រសិទ្ធភាពអាចធ្លាក់ចុះនៅពេលទិន្នន័យមានទំហំធំខ្លាំង ហើយក៏ទាមទារការទាញយកលក្ខណៈពិសេសដោយដៃផងដែរ។ | អត្រាសុក្រឹតភាពចន្លោះពី ៨០,១២% ទៅ ៩៧,១៨% (ផ្អែកលើការស្រាវជ្រាវចាស់ៗក្នុងឯកសារ)។ |
| Artificial Neural Network (ANN) បណ្ដាញសរសៃប្រសាទសិប្បនិម្មិត (ANN) |
អាចរៀននិងស្គាល់លំនាំស្មុគស្មាញដែលមិនធ្លាប់ឃើញពីមុនមក បន្ទាប់ពីទទួលបានការបង្ហាត់ត្រឹមត្រូវ។ | ត្រូវការការទាញយកលក្ខណៈពិសេសជាមុន (Manual feature extraction) មុនពេលបញ្ចូលទៅក្នុង Input nodes។ | អត្រាសុក្រឹតភាពប្រែប្រួលខ្លាំងចាប់ពី ៦៧,៧០% ដល់ ៩៦,៦៧% អាស្រ័យលើប្រភេទលក្ខណៈពិសេសដែលបានប្រើ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះពឹងផ្អែកលើធនធានកុំព្យូទ័រកម្រិតមធ្យម និងកម្មវិធីមានអាជ្ញាប័ណ្ណ ដែលត្រូវបានបញ្ជាក់យ៉ាងច្បាស់នៅក្នុងឯកសារ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងទីក្រុងបាងកក ប្រទេសថៃ ដោយប្រើប្រាស់សំណុំទិន្នន័យរុក្ខជាតិក្នុងស្រុកចំនួន ៥៤ ប្រភេទ។ ទោះបីជាប្រទេសកម្ពុជាមានអាកាសធាតុនិងប្រភេទរុក្ខជាតិស្រដៀងគ្នាក៏ដោយ ក៏ម៉ូដែលដែលបង្ហាត់ដោយទិន្នន័យនេះមិនអាចស្គាល់រុក្ខជាតិកម្រ ឬរុក្ខជាតិប្រចាំតំបន់របស់កម្ពុជាបានឡើយ។ ការណ៍នេះតម្រូវឱ្យមានការប្រមូលទិន្នន័យរុក្ខជាតិក្នុងស្រុកដោយឡែក ដើម្បីបង្កើតប្រព័ន្ធមួយដែលអាចប្រើប្រាស់ជាផ្លូវការនៅកម្ពុជា។
បច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់ណាស់ក្នុងការយកមកកែច្នៃ និងអនុវត្តសម្រាប់ការសិក្សាស្រាវជ្រាវផ្នែករុក្ខសាស្ត្រ និងការអភិរក្សនៅកម្ពុជា។
ការអភិវឌ្ឍប្រព័ន្ធស្រដៀងគ្នានេះ ដោយបញ្ចូលទិន្នន័យរុក្ខជាតិរបស់ប្រទេសកម្ពុជា នឹងជួយសម្រួលដល់ការសិក្សា ក៏ដូចជាលើកកម្ពស់ការគ្រប់គ្រងធនធានធម្មជាតិប្រកបដោយភាពច្នៃប្រឌិត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Convolutional Neural Network (CNN) | បណ្ដាញសរសៃប្រសាទកុងវ៉ុល គឺជាប្រភេទម៉ូដែល Deep Learning ដែលត្រូវបានរចនាឡើងយ៉ាងពិសេសសម្រាប់ដំណើរការទិន្នន័យរូបភាព ដោយវាប្រើប្រាស់ស្រទាប់ច្រោះ (filters) ដើម្បីទាញយកលក្ខណៈពិសេសៗដូចជា ពណ៌ រូបរាង និងវាយនភាពនៃរូបភាពដោយស្វ័យប្រវត្តិ។ | ដូចជាភ្នែក និងខួរក្បាលរបស់មនុស្សដែលសម្លឹងមើលរូបភាពមួយ ហើយអាចដឹងថាវត្ថុនោះជាអ្វីដោយផ្អែកលើទម្រង់ និងពណ៌របស់វា។ |
| ResNet50 | ជាស្ថាបត្យកម្ម CNN ដ៏ល្បីល្បាញមួយដែលមានជម្រៅ ៥០ ស្រទាប់ (Layers) ដែលអនុញ្ញាតឱ្យប្រព័ន្ធអាចរៀនពីទិន្នន័យរូបភាពរាប់លានសន្លឹកដោយមិនជួបប្រទះបញ្ហាបាត់បង់ព័ត៌មាន (Vanishing gradient) ពេលកំពុងបង្ហាត់ម៉ូដែលស្មុគស្មាញ។ | ដូចជារោងចក្រដែលមានខ្សែសង្វាក់ផលិតកម្ម ៥០ ដំណាក់កាល ដើម្បីត្រួតពិនិត្យ និងវាយតម្លៃផលិតផលមួយយ៉ាងល្អិតល្អន់បំផុត។ |
| Pooling layer | ជាស្រទាប់មួយនៅក្នុង CNN ដែលមានតួនាទីបង្រួមទំហំវិមាត្រនៃរូបភាពដោយរក្សាទុកតែព័ត៌មានសំខាន់ៗបំផុត ជួយកាត់បន្ថយទំហំផ្ទុក និងបង្កើនល្បឿនក្នុងការគណនាដោយកាត់បន្ថយទិន្នន័យដែលមិនចាំបាច់។ | ដូចជាការបង្រួមរូបភាព (Compress) ឱ្យតូចជាងមុន ប៉ុន្តែយើងនៅតែអាចមើលដឹងថារូបនោះជារូបអ្វីដដែល។ |
| Rectified linear unit (ReLU) layer | ជាអនុគមន៍សកម្មភាព (Activation function) នៅក្នុងបណ្ដាញសរសៃប្រសាទ ដែលមានតួនាទីផ្លាស់ប្តូររាល់តម្លៃអវិជ្ជមានទាំងអស់ឱ្យទៅជាសូន្យ (០) ដើម្បីជួយឱ្យបណ្ដាញសរសៃប្រសាទរៀនព័ត៌មានបានលឿន និងមានប្រសិទ្ធភាពជាងមុន។ | ដូចជាប្រព័ន្ធចម្រោះទឹកដែលរក្សាទុកតែទឹកស្អាត (តម្លៃវិជ្ជមាន) និងកម្ចាត់ចោលរាល់កាកសំណល់ឬទឹកកខ្វក់ (តម្លៃអវិជ្ជមាន) ឱ្យក្លាយជាទទេ (សូន្យ)។ |
| confusion matrix | ជាតារាងម៉ាទ្រីសដែលប្រើសម្រាប់វាយតម្លៃដំណើរការរបស់ម៉ូដែល Machine Learning ដោយវាបង្ហាញពីចំនួនដងដែលម៉ូដែលទស្សន៍ទាយត្រូវ និងចំនួនដងដែលវាទស្សន៍ទាយខុស (ភាន់ច្រឡំ) សម្រាប់ចំណាត់ថ្នាក់នីមួយៗ។ | ដូចជាតារាងពិន្ទុប្រឡងដែលបង្ហាញថាសិស្សម្នាក់ឆ្លើយត្រូវប៉ុន្មានសំណួរ និងឆ្លើយខុស (ច្រឡំចម្លើយ ខ ជាចម្លើយ ក) ប៉ុន្មានសំណួរ។ |
| Support Vector Machine (SVM) | ជាក្បួនដោះស្រាយ (Algorithm) មួយប្រភេទដែលជួយក្នុងការចាត់ថ្នាក់ទិន្នន័យ ដោយវាព្យាយាមគូសបន្ទាត់ ឬប្លង់ (Hyperplane) ដ៏ល្អបំផុតដើម្បីបំបែកក្រុមទិន្នន័យផ្សេងៗគ្នាឱ្យនៅដាច់ពីគ្នាបានឆ្ងាយបំផុតតាមដែលអាចធ្វើទៅបាន។ | ដូចជាការគូសបន្ទាត់ព្រំដែនដ៏ច្បាស់លាស់មួយនៅលើដី ដើម្បីបែងចែករវាងចម្ការស្វាយ និងចម្ការចេកកុំឱ្យច្រឡំគ្នា។ |
| Precision | អត្រាសុក្រឹតភាព គឺជារង្វាស់ដែលបង្ហាញពីសមាមាត្រនៃការទស្សន៍ទាយវិជ្ជមានត្រឹមត្រូវ (True Positive) ធៀបនឹងការទស្សន៍ទាយវិជ្ជមានសរុប (True Positive + False Positive) ពោលគឺវាវាស់ថាតើម៉ូដែលទាយត្រូវកម្រិតណាពេលវាអះអាងថាត្រូវ។ | ដូចជាអ្នកបាញ់ធ្នូម្នាក់ ដែលរាល់ពេលគាត់បាញ់ ព្រួញតែងតែចំគោលដៅជានិច្ច មិនងាយខុសនោះទេ។ |
| features extraction | ដំណើរការនៃការបំប្លែងទិន្នន័យរូបភាពឆៅទៅជាទម្រង់វ៉ិចទ័រ ឬលេខកូដ ដែលតំណាងឱ្យលក្ខណៈសំខាន់ៗរបស់រូបភាពនោះ (ឧទាហរណ៍៖ ទ្រង់ទ្រាយស្លឹក សរសៃស្លឹក) ដើម្បីងាយស្រួលឱ្យម៉ាស៊ីនកុំព្យូទ័រធ្វើការប្រៀបធៀប និងសម្គាល់។ | ដូចជាការកត់ត្រាតែចំណុចសំខាន់ៗរបស់ជនសង្ស័យ (កម្ពស់ ទម្រង់មុខ ស្លាកស្នាម) ដើម្បីងាយស្រួលចំណាំ ជាជាងការចងចាំគ្រប់យ៉ាងនៅលើមុខ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
