ระบบประเมินราคาโทรศัพท์รับจำนำด้วยเทคนิคการเรียนรู้เชิงลึก ศุภกร นาควิจิตรไพฑูรย์1 เทวิน ธนะวงษ์1,*
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาเว็บแอปพลิเคชันประเมินราคาโทรศัพท์รับจำนำด้วยเทคนิคการเรียนรู้เชิงลึก เราได้รวบรวมข้อมูลนำเข้า จำนวน 4,026 ตัวอย่าง จาก 3 ระดับสภาพโทรศัพท์ และสร้างตัวแบบจำลองการวิเคราะห์โดยใช้กระบวนการประมวลผลภาพร่วมกับ TensorFlow library ซึ่งเป็น Deep learning library และใช้อัลกอริทึม convolutional neural network ซึ่งเป็นอัลกอริทึมที่เน้นใช้กับรูปภาพ ผลลัพธ์ที่ได้จะพบว่า ตัวแบบจำลองมีค่าความถูกต้องด้านหน้าโทรศัพท์และด้านหลังมีค่าเท่ากับ 74.50% และ 82.90% ตามลำดับ หลังจากนั้นได้นำตัวแบบจำลองนี้พัฒนาเป็นระบบ responsive web application ด้วยการใช้เครื่องมือพัฒนาได้แก่โปรแกรม subline text รวมถึงภาษา PHP และ JavaScript
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์ต้นฉบับที่ได้รับการตีพิมพ์ในวารสารนวัตกรรมวิทยาศาสตร์เพื่อการพัฒนาอย่างยั่งยืนถือเป็นกรรมสิทธิ์ของคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยสวนดุสิต ห้ามผู้ใดนำข้อความทั้งหมดหรือบางส่วนไปพิมพ์ซ้ำ เว้นแต่จะได้รับอนุญาตอย่างเป็นลายลักษณ์อักษรจากคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยสวนดุสิต นอกจากนี้ เนื้อหาที่ปรากฎในบทความเป็นความรับผิดชอบของผู้เขียน ทั้งนี้ไม่รวมความผิดพลาดอันเกิดจากเทคนิคการพิมพ์
References
Blog.pjjop. (2021). Introduction to Deep learning (machine learning pipeline). [online]. Retrieved December 3, 2021, from the website https://blog.pjjop.org/deep-learning/.
Boonkidram, S., and Sriwiboon, N. (2020). Physical quality investigation of germinated brown rice by using image processing. Journal of Information Science and Technology, 10(2), 101–109. [In Thai].
Github. (2021). A generic image classifier program using TensorFlow. [online]. Retrieved December 3, 2021, from the website https://github.com/ burliEnterprises/ tensorflow-image-classifier.
Glurgeek. (2021). Convolutional neural network (CNN) what is it?. [online]. Retrieved December 3, 2021, from the website https://www.glurgeek .com/education/ml-cnn/.
Greedharry, M., Seewoogobin, V., and Sahib-Kaudeer, N. G. (2019). A smart mobile application for complaints in mauritius. In information systems design and intelligent applications. Springer, Singapore. pp. 345–356.
Hemanth, D. J., and Estrela, V. V. (Eds.). (2017). Deep learning for image processing applications (Vol. 31). IOS Press.
Hongboonmee, N., and Jantawong, N. (2020). Apply of Deep learning techniques to measure the sweetness level of watermelon via smartphone. Journal of Information Science and Technology, 10(1), 59–69. [In Thai].
Hunt, J. (2019). Sockets in python BT-Advanced guide to python 3 programming, Cham: Springer International Publishings, pp. 457–470.
Khamthip, N. and Tanawong, T. (2019). The analysis system of sweet tamarind quality with Deep learning. Naresuan University. Faculty of Science. [In Thai].
Phonehip. (2021). Second hand smartphone: specification and price. [online] Retrieved December 3, 2021, from the website https://www.phonehip. com/.
Priceza. (2021). Price of smartphone, accessories and communication devices. [online] Retrieved December 20, 2021, from the website https://www.priceza .com/b/mobile-gadget.
Relan, K. (2019). Database modeling in flask. In building REST APIs with flask.. Apress, Berkeley, Canada. pp. 27–58.
Rlacksdid93. (2021). [Python] machine learning #1. perceptron. [online]. Retrieved December 3, 2021, from the website https://rlacksdid93. wixsite.com/930724/post/python-machine-learning-1-perceptron.
Sanuksan, J. and Surinta, O. (2019). Deep convolutional neural networks for plant recognition in the natural environment. Journal of Science and Technology MSU, 38(2). 113– 124. [In Thai].
Silaparasetty, V. (2020). "Neural Networks" in Deep Learning Projects Using TensorFlow 2: Neural Network Development with Python and Keras, Berkeley, CA, USA:Apress, pp. 71–86.
Stanleyulili. (2021). How to install git bash on windows. [online]. Retrieved December 3, 2021, from the website https://www.stanleyulili .com/ git/how-to-install-git-bash-on-windows/.