បញ្ហា (The Problem)៖ ឯកសារនេះពិនិត្យ និងប្រៀបធៀបវិធីសាស្ត្ររកឃើញភាពលេចធ្លោក្នុងលំហនិងពេលវេលា (Spatiotemporal Saliency Detection) សម្រាប់វីដេអូចាប់ពីឆ្នាំ២០០០ ដល់ ២០១៥ ដើម្បីស្វែងរកបច្ចេកទេសដែលមានប្រសិទ្ធភាពបំផុតក្នុងការវិភាគកន្លែងដែលមនុស្សចាប់អារម្មណ៍មើល។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានធ្វើការប្រៀបធៀបយ៉ាងទូលំទូលាយលើក្បួនដោះស្រាយផ្សេងៗ ដោយធ្វើចំណាត់ថ្នាក់យោងតាមលក្ខណៈពិសេស ពិន្ទុ កម្រិតនៃការសម្រេចចិត្ត និងបញ្ហាប្រឈមរបស់ពួកវា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Random Walk With Restart (RWR) ការរកឃើញភាពលេចធ្លោដោយផ្អែកលើ Random Walk ជាមួយ Restart |
មានភាពរឹងមាំខ្ពស់ (Robust) និងផ្តល់នូវការបង្រួមពណ៌បានល្អដោយប្រើម៉ាទ្រីសប្រូបាប៊ីលីតេអន្តរកាល។ វាប្រើការច្របាច់បញ្ចូលគ្នា (Fusion) នៅដំណាក់កាលដំបូងដែលផ្តល់លទ្ធផលល្អបំផុត។ | លទ្ធផលអាចមានភាពមិនសូវច្បាស់លាស់ ឬមិនត្រឹមត្រូវ នៅពេលដែលមានវត្ថុពីរ ឬច្រើនលេចឡើងក្នុងពេលតែមួយ។ | សម្រេចបានកម្រិតភាពត្រឹមត្រូវខ្ពស់បំផុតចន្លោះពី ៨៥% ទៅ ៩៩%។ |
| Phase Spectrum of Quaternion Fourier Transform (PQFT) ការប្រើប្រាស់ Phase Spectrum នៃ Quaternion Fourier Transform |
កាត់បន្ថយភាពស្មុគស្មាញនៃការគណនា និងដំណើរការបានលឿន ដោយផ្តោតលើ Phase Spectrum ជាជាង Amplitude Spectrum។ | ទាមទារការអភិវឌ្ឍបន្ថែមទៀត ដើម្បីយកទៅប្រើប្រាស់ក្នុងកិច្ចការស្មុគស្មាញដូចជា ការចំណាំវត្ថុ (Object recognition) និងការបង្ហាប់វីដេអូខ្នាតធំ។ | បង្កើតផែនទីភាពលេចធ្លោ (Saliency maps) ក្នុងលំហនិងពេលវេលាបានលឿន និងមានប្រសិទ្ធភាពសម្រាប់ទាំងរូបភាពនិងវីដេអូ។ |
| Background Subtraction and Shadow Detection ការដកផ្ទៃខាងក្រោយ និងការរកឃើញស្រមោល |
ដំណើរការបានលឿន បត់បែន និងចំណាយថាមពលកុំព្យូទ័រតិច (Computationally cost-effective) ជាមួយនឹងភាពជាក់លាក់ខ្ពស់លើរូបរាងវត្ថុ។ | អាចជួបការលំបាក និងទាមទារក្បួនដោះស្រាយបន្ថែម នៅពេលដែលទាំងផ្ទៃខាងក្រោយ និងវត្ថុខាងមុខ កំពុងផ្លាស់ទីក្នុងពេលតែមួយ។ | ផ្តល់លទ្ធផលល្អសម្រាប់ការកាត់បែងចែកវត្ថុ (Object segmentation) និងធ្វើបច្ចុប្បន្នភាពផ្ទៃខាងក្រោយក្នុងវីដេអូ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់តួលេខច្បាស់លាស់ពីទំហំផ្ទុក ឬថាមពលកុំព្យូទ័រ ប៉ុន្តែការវិភាគវីដេអូតាមពេលវេលាជាក់ស្តែង (Spatiotemporal Analysis) ជាទូទៅទាមទារធនធានកុំព្យូទ័រនិងអង្គចងចាំកម្រិតខ្ពស់។
ការសិក្សានេះគឺជាការពិនិត្យឡើងវិញ (Review) លើក្បួនដោះស្រាយជាច្រើន ដែលភាគច្រើនត្រូវបានធ្វើតេស្តលើសំណុំទិន្នន័យស្តង់ដារអន្តរជាតិ (ភាពយន្ត សកម្មភាពកីឡា វីដេអូពីមន្ទីរពិសោធន៍)។ ទិន្នន័យទាំងនេះប្រហែលជាមិនឆ្លុះបញ្ចាំងពេញលេញពីបរិបទស្មុគស្មាញក្នុងប្រទេសកម្ពុជាទេ ដូចជាលំហូរចរាចរណ៍ចម្រុះ ឬទិដ្ឋភាពផ្លូវថ្នល់ដែលគ្មានសណ្តាប់ធ្នាប់ ដែលទាមទារការសាកល្បងជាក់ស្តែងបន្ថែម។
បច្ចេកទេស Saliency Detection នេះមានសក្តានុពលខ្ពស់ខ្លាំងក្នុងការយកមកអនុវត្តនៅក្នុងប្រទេសកម្ពុជា ពិសេសដើម្បីពង្រឹងការគ្រប់គ្រងប្រព័ន្ធសុវត្ថិភាពនិងហេដ្ឋារចនាសម្ព័ន្ធ។
ជារួម បច្ចេកវិទ្យានេះអាចជួយធ្វើឱ្យប្រព័ន្ធតាមដានវីដេអូនៅកម្ពុជាកាន់តែមានភាពឆ្លាតវៃ កាត់បន្ថយការចំណាយពេលរាប់ម៉ោងរបស់មនុស្សក្នុងការអង្គុយមើលកាមេរ៉ា និងផ្តោតតែលើចំណុចសំខាន់ៗដែលម៉ាស៊ីនបានចាប់យក។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Spatiotemporal Saliency | ការរកឃើញចំណុចឬតំបន់ដែលលេចធ្លោជាងគេនៅក្នុងវីដេអូ ដោយរួមបញ្ចូលគ្នានូវព័ត៌មានពីទីតាំងរូបភាព (លំហ/Spatial) និងចលនាដែលប្រែប្រួលពីស៊ុមមួយទៅស៊ុមមួយទៀត (ពេលវេលា/Temporal)។ | ដូចជាពេលយើងមើលទៅក្នុងហ្វូងមនុស្ស (លំហ) ហើយស្រាប់តែមានម្នាក់លោតឡើង (ចលនា/ពេលវេលា) នោះភ្នែកយើងនឹងចាប់អារម្មណ៍ទៅលើអ្នកនោះភ្លាមៗ។ |
| Human Visual System (HVS) | ការវិភាគដោយធ្វើត្រាប់តាមប្រព័ន្ធគំហើញរបស់មនុស្ស ដែលខួរក្បាលនឹងត្រងយកតែព័ត៌មានដែលសំខាន់ ឬលេចធ្លោបំផុតពីបរិស្ថានជុំវិញ ដោយមិនដោះស្រាយព័ត៌មានទាំងអស់នោះទេ។ វាជួយកាត់បន្ថយបន្ទុកគណនារបស់កុំព្យូទ័រ។ | ដូចជាកាមេរ៉ាឆ្លាតវៃដែលមានសមត្ថភាពព្រងើយកន្តើយនឹងផ្ទៃខាងក្រោយធម្មតាៗ ហើយផ្តោតការថតតែទៅលើវត្ថុដែលកំពុងចាប់អារម្មណ៍។ |
| Random Walk with Restart (RWR) | ក្បួនដោះស្រាយគណិតវិទ្យាដែលប្រើការដើរដោយចៃដន្យ ប៉ុន្តែមានប្រូបាប៊ីលីតេត្រឡប់មកចំណុចចាប់ផ្តើមវិញ។ ក្នុងឯកសារនេះ វាប្រើសម្រាប់គណនាភាពលេចធ្លោក្នុងវីដេអូ ដើម្បីកាត់បន្ថយភាពរំខាន (Noise) និងរក្សាស្ថិរភាពការរកឃើញ។ | ដូចជាអ្នកវង្វេងផ្លូវក្នុងព្រៃដែលដើររកច្រកចេញដោយចៃដន្យ ប៉ុន្តែតែងតែមានខ្សែចងទាញត្រឡប់មកកន្លែងដើមវិញ ដើម្បីកុំឲ្យវង្វេងឆ្ងាយពេកពីគោលដៅសំខាន់។ |
| Phase Spectrum | ផ្នែកមួយនៃការបំប្លែងសញ្ញាគណិតវិទ្យា (Fourier Transform) ដែលផ្តោតលើទីតាំង ឬរចនាសម្ព័ន្ធរូបរាងរបស់រូបភាព (ដូចជាគែមវត្ថុ) ជាជាងពន្លឺ ឬពណ៌។ វាមានសារៈសំខាន់ក្នុងការកំណត់ទីតាំងវត្ថុដែលលេចធ្លោលឿនជាងមុន។ | ដូចជាប្លង់មេនៃផ្ទះមួយដែលប្រាប់ពីទីតាំងបន្ទប់នីមួយៗ (Phase) ជាជាងប្រាប់ពីពណ៌នៃការលាបថ្នាំលើជញ្ជាំង (Amplitude)។ |
| Background Subtraction | បច្ចេកទេសកុំព្យូទ័រវីហ្សិន (Computer Vision) ដែលមានតួនាទីកាត់យកផ្ទៃខាងក្រោយដែលនៅស្ងៀមចេញពីរូបភាពស៊ុមវីដេអូ ដើម្បីរំលេច និងចាប់យកតែវត្ថុខាងមុខដែលកំពុងផ្លាស់ទីប៉ុណ្ណោះ។ | ដូចជាការយកកន្ត្រៃកាត់រូបមនុស្សចេញពីផ្ទាំងរូបភាពទេសភាព ដើម្បីយកតែរូបមនុស្សនោះមកប្រើប្រាស់។ |
| Center-surround Difference | យន្តការប្រៀបធៀបលក្ខណៈពិសេស (ដូចជាពណ៌ ឬពន្លឺ) នៃចំណុចកណ្តាលតូចមួយ ទៅនឹងផ្ទៃធំដែលនៅជុំវិញវា។ បើវាខុសគ្នាខ្លាំងពីបរិវេណជុំវិញ កុំព្យូទ័រនឹងចាត់ទុកថាចំណុចនោះលេចធ្លោ។ | ដូចជាការដាក់ផ្លែប៉ោមពណ៌ក្រហមមួយគ្រាប់នៅកណ្តាលគំនរផ្លែប៉ោមពណ៌បៃតង ធ្វើឲ្យវាលេចធ្លោខ្លាំងជាងគេដោយសារភាពខុសគ្នានៃពណ៌។ |
| Optical Flow | បច្ចេកទេសសម្រាប់គណនាលំនាំនៃចលនារបស់វត្ថុរវាងស៊ុមវីដេអូពីរដែលជាប់គ្នា។ វាជួយឲ្យប្រព័ន្ធកុំព្យូទ័រយល់ពីទិសដៅ និងល្បឿនដែលវត្ថុកំពុងផ្លាស់ទីក្នុងលំហ។ | ដូចជាការតាមដានមើលទិសដៅនិងល្បឿននៃស្លឹកឈើដែលហោះតាមខ្យល់ ដើម្បីទាយថាខ្យល់កំពុងបក់ទៅទិសណា។ |
| Feature Fusion | ដំណើរការនៃការច្របាច់បញ្ចូលគ្នានូវទិន្នន័យពីប្រភពលក្ខណៈផ្សេងៗគ្នា (ដូចជា ពណ៌ រូបរាង ចលនា និងពន្លឺ) ចូលគ្នាដើម្បីបង្កើតជាផែនទីភាពលេចធ្លោរួមមួយដែលធានាបាននូវលទ្ធផលត្រឹមត្រូវជាងមុន។ | ដូចជាការផ្សំគ្រឿងទេសជាច្រើនមុខ (អំបិល ស្ករ ម្ទេស) បញ្ចូលគ្នាដើម្បីបង្កើតបានជាទឹកជ្រលក់មួយដែលមានរសជាតិឆ្ងាញ់ និងមុតជាងគ្រឿងទេសដាច់ដោយឡែក។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
