ผลงานทั้งหมด
งานวิชาการ·2025
Fashion Object Detection
CS271 AI Fundamentals: ระบบตรวจจับเสื้อผ้าเพื่อสร้างแท็กอัตโนมัติ

- 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
- 01การสร้างแท็กสินค้าแบบ Manual ใช้เวลานานและผิดพลาดง่าย ทำให้ข้อมูลไม่สม่ำเสมอ
- 02คลังรูปภาพสินค้าจำนวนมากต้องการระบบอัตโนมัติในการสกัดคุณลักษณะสำคัญเพื่อใช้ในการค้นหาและจัดหมวดหมู่
- 03ต้องการโมเดลที่ทำงานได้รวดเร็วและเหมาะกับงานตรวจจับ/จำแนกคุณลักษณะจากภาพในบริบท E-commerce
วิธีแก้
- 01รับผิดชอบการเตรียมข้อมูลและทำ Label รูปภาพบน Roboflow เพื่อจัดระเบียบ Dataset และกำหนดคลาส/แอตทริบิวต์ที่ต้องการให้โมเดลเรียนรู้ (เช่น สี ประเภทเสื้อ ลวดลาย)
- 02เลือกใช้สถาปัตยกรรม YOLO สำหรับงาน Object Detection เนื่องจากทำงานเร็วและเหมาะกับงาน inference ในเชิงปฏิบัติ
- 03ดูแลโครงสร้างพื้นฐาน (Infrastructure) สำหรับการเทรนโมเดลบน GPU Cloud (Runpod.io) เพื่อให้สามารถเทรนและทดลองหลายรอบได้อย่างมีประสิทธิภาพ
- 04จัดทำขั้นตอนการฝึกสอนและประเมินผล โดยปรับแต่งค่าที่จำเป็นเพื่อให้โมเดลเรียนรู้ได้เหมาะสมกับลักษณะข้อมูลจริง
ผลลัพธ์
- 01สามารถสร้างต้นแบบระบบที่ตรวจจับและสกัดคุณลักษณะของเสื้อผ้าจากรูปภาพ เพื่อใช้เป็นแท็กสินค้าอัตโนมัติ (เช่น สี ประเภทเสื้อ และลวดลาย)
- 02ช่วยลดเวลาการทำแท็กด้วยมือ และเพิ่มความสม่ำเสมอของข้อมูลสำหรับการจัดการคลังสินค้าและการค้นหาในระบบ E-commerce
- 03ได้กระบวนการเตรียมข้อมูล–เทรนโมเดล–ทดสอบ inference ที่สามารถนำไปต่อยอดกับคลาสหรือคุณลักษณะเพิ่มเติมได้
แกลเลอรี
Main
16:9 / MD
ตัวอย่าง metric inference: ตรวจจับวัตถุและสกัดคุณลักษณะ

ตัวอย่าง metric inference: ตรวจจับวัตถุและสกัดคุณลักษณะ (ต่อ)

ตัวอย่างการสกัดคุณลักษณะจากภาพสินค้า

ตัวอย่างการสกัดคุณลักษณะจากภาพสินค้า (ต่อ)

ตัวอย่างการตรวจจับเสื้อผ้าจากภาพ
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
สนใจงานแนวนี้?
เล่าโจทย์ของคุณให้ผมฟัง ตอบกลับภายใน 24 ชั่วโมง