ระบบการสนับสนุนการตัดสินใจการเลือกชุดที่เหมาะสมเฉพาะบุคคล โดยใช้เทคนิคการเรียนรู้เชิงลึก

decision support system for choosing the right outfit for an individual using deep learning techniques

64541207045-2

2567

อาจารย์ธีรภพ  แสงศรี

          โครงงานนี้มีวัตถุประสงค์เพื่อพัฒนาเทคโนโลยีสนับสนุนการตัดสินใจในการเลือกชุดที่เหมาะสมสำหรับบุคคล โดยใช้เทคนิคการเรียนรู้เชิงลึก (deep learning) ในการจำแนกรูปร่างของบุคคลเพศหญิงออกเป็น 4 ประเภท ได้แก่ รูปร่างทรงแอปเปิ้ล (apple), รูปร่างทรงลูกแพร์ (pear), รูปร่างทรงนาฬิกาทราย (hourglass), และรูปร่างทรงสี่เหลี่ยมผืนผ้า (rectangle) ข้อมูลที่ใช้ประกอบด้วยภาพถ่ายและข้อมูลทางกายภาพ เช่น น้ำหนัก ส่วนสูง รอบอก รอบเอว และรอบสะโพก ที่ได้จากนักศึกษาหญิงมหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา เชียงใหม่ จำนวน 243 คน กระบวนการพัฒนาโมเดลใช้เทคนิค convolutional neural network (cnn) สำหรับการประมวลผลภาพและ dense layers สำหรับการประมวลผลข้อมูลเชิงตัวเลข ในการจำแนกรูปร่าง โครงงานนี้ได้ดำเนินการตามขั้นตอนของ crisp-dm (cross-industry standard process for data mining) ซึ่งเป็นกระบวนการมาตรฐานในการทำเหมืองข้อมูล โดยเริ่มจากการทำความเข้าใจปัญหาและข้อมูล การเตรียมข้อมูล การสร้างและฝึกโมเดล การทดสอบ และการนำไปใช้งาน ทำการปรับสมดุลข้อมูลตัวอย่างด้วยเทคนิค เช่น smote, random over sampler (ros), และ smote tomek เพื่อเพิ่มประสิทธิภาพในการจำแนกรูปร่างที่มีจำนวนข้อมูลน้อย ผลการทดสอบแสดงให้เห็นว่าการใช้เทคนิค smote  ช่วยเพิ่มความแม่นยำของโมเดล โดยมีการแบ่งข้อมูลการฝึกและทดสอบออกเป็น 60:40 มีค่าความแม่นยำสูงสุดอยู่ที่ 81.82% การพัฒนาโมเดลนี้ยังสามารถประยุกต์ใช้ในอุตสาหกรรมแฟชั่นออนไลน์เพื่อให้คำแนะนำในการเลือกชุดที่เหมาะสมกับรูปร่างของแต่ละบุคคลได้อย่างมีประสิทธิภาพ