ข้ามไปยังเนื้อหาหลัก
ผลงานทั้งหมด

งานวิชาการ·2025

Fashion Object Detection

CS271 AI Fundamentals: ระบบตรวจจับเสื้อผ้าเพื่อสร้างแท็กอัตโนมัติ

Fashion Object Detection
บทบาท
AI Engineer
ทีม
Group Project
ปี
2025

ตัวเลขสำคัญ

3
แท็กที่สกัดจากรูป
YOLO
สถาปัตยกรรม
GPU Cloud
เทรนบน
Roboflow
เตรียมข้อมูลด้วย

โปรเจกต์กลุ่มในรายวิชา CS271 (AI Fundamentals) สำหรับพัฒนาระบบตรวจจับและจำแนกคุณลักษณะของเสื้อผ้าจากรูปภาพด้วยแนวทาง Computer Vision เพื่อช่วยสร้างแท็กสินค้าอัตโนมัติสำหรับงาน E-commerce โดยมุ่งเน้นแท็กที่เกี่ยวข้องกับเสื้อ เช่น สี ประเภทเสื้อ และลวดลาย (Pattern) เพื่อลดภาระการทำแท็กด้วยคนและเพิ่มความสม่ำเสมอของข้อมูลสินค้าในคลังรูปภาพ

โจทย์และปัญหา

  1. 01การสร้างแท็กสินค้าแบบ Manual ใช้เวลานานและผิดพลาดง่าย ทำให้ข้อมูลไม่สม่ำเสมอ
  2. 02คลังรูปภาพสินค้าจำนวนมากต้องการระบบอัตโนมัติในการสกัดคุณลักษณะสำคัญเพื่อใช้ในการค้นหาและจัดหมวดหมู่
  3. 03ต้องการโมเดลที่ทำงานได้รวดเร็วและเหมาะกับงานตรวจจับ/จำแนกคุณลักษณะจากภาพในบริบท E-commerce

วิธีแก้

  1. 01รับผิดชอบการเตรียมข้อมูลและทำ Label รูปภาพบน Roboflow เพื่อจัดระเบียบ Dataset และกำหนดคลาส/แอตทริบิวต์ที่ต้องการให้โมเดลเรียนรู้ (เช่น สี ประเภทเสื้อ ลวดลาย)
  2. 02เลือกใช้สถาปัตยกรรม YOLO สำหรับงาน Object Detection เนื่องจากทำงานเร็วและเหมาะกับงาน inference ในเชิงปฏิบัติ
  3. 03ดูแลโครงสร้างพื้นฐาน (Infrastructure) สำหรับการเทรนโมเดลบน GPU Cloud (Runpod.io) เพื่อให้สามารถเทรนและทดลองหลายรอบได้อย่างมีประสิทธิภาพ
  4. 04จัดทำขั้นตอนการฝึกสอนและประเมินผล โดยปรับแต่งค่าที่จำเป็นเพื่อให้โมเดลเรียนรู้ได้เหมาะสมกับลักษณะข้อมูลจริง

ผลลัพธ์

  1. 01สามารถสร้างต้นแบบระบบที่ตรวจจับและสกัดคุณลักษณะของเสื้อผ้าจากรูปภาพ เพื่อใช้เป็นแท็กสินค้าอัตโนมัติ (เช่น สี ประเภทเสื้อ และลวดลาย)
  2. 02ช่วยลดเวลาการทำแท็กด้วยมือ และเพิ่มความสม่ำเสมอของข้อมูลสำหรับการจัดการคลังสินค้าและการค้นหาในระบบ E-commerce
  3. 03ได้กระบวนการเตรียมข้อมูล–เทรนโมเดล–ทดสอบ inference ที่สามารถนำไปต่อยอดกับคลาสหรือคุณลักษณะเพิ่มเติมได้

ทบทวนโปรเจกต์

ความท้าทาย

  • การกำหนดนิยามของคลาส/คุณลักษณะ (เช่น สีหรือแพตเทิร์น) ให้ชัดเจนและสอดคล้องกันในการทำ Label
  • ความแตกต่างของสภาพแสง มุมภาพ และคุณภาพรูป ทำให้การเรียนรู้คุณลักษณะบางประเภทยากขึ้น
  • การบริหารทรัพยากรและรอบการทดลองบน GPU Cloud เพื่อให้เทรนได้ทันเวลาและคุ้มค่ากับการปรับปรุงโมเดล

สิ่งที่เรียนรู้

  • กระบวนการทำ Dataset สำหรับงาน Computer Vision ตั้งแต่การกำหนดคลาส/แอตทริบิวต์ การทำ Label ไปจนถึงการจัดการเวอร์ชันข้อมูลบน Roboflow
  • การใช้งาน YOLO สำหรับงานตรวจจับวัตถุและการประเมินผลโมเดลในบริบทที่ต้องการความเร็วและความเสถียร
  • การดูแล Infrastructure การเทรนบน GPU Cloud (Runpod.io) และการวางกระบวนการทดลองเพื่อปรับปรุงผลลัพธ์อย่างเป็นระบบ
  • การเชื่อมเป้าหมายเชิงธุรกิจของ E-commerce (การทำแท็กสินค้า) เข้ากับข้อกำหนดเชิงเทคนิคของโมเดลและข้อมูล

เทคโนโลยี

สนใจงานแนวนี้?

เล่าโจทย์ของคุณให้ผมฟัง ตอบกลับภายใน 24 ชั่วโมง

คุยเรื่องงาน