Page 60 - วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม - มิถุนายน 2566

56
56

ครั้งละ 1 พิกเซล ชั้นพูลลิ่งใช้การพูลลิ่งด้วยค่าสูงสุด เลื่อนครั้งละ 1 พิกเซล ชั้นพูลลิ่งใช้การพูลลิ่งด้วย
จ านวน 2 ชั้น แต่ละชั้นประกอบด้วย ขนาดตัวกรอง ค่าสูงสุด จ านวน 3 ชั้น แต่ละชั้นประกอบด้วย ขนาด
2x2 เลื่อนครั้งละ 2 พิกเซล ชั้นเชื่อมโยงสมบูรณ์ ตัวกรอง 2x2 เลื่อนครั้งละ 2 พิกเซล ชั้นเชื่อมโยง
จ านวน 1 ชั้น ประกอบด้วย 64 โหนด และใช้ฟังก์ชัน สมบูรณ์ จ านวน 1 ชั้น ประกอบด้วย 64 โหนด และใช้
กระตุ้นเรคติไฟด์ลินเนียนยูนิต ฟังก์ชันกระตุ้นเรคติไฟด์ลินเนียนยูนิต ทุกโครงสร้างใช้
4) สถาปัตยกรรมแบบคอนโวลูชัน 3 ชั้น ออฟติไมเซอร์ (optimizer) เป็นอดัม (Adaptive
(CNN2) ประกอบด้วย ชั้นคอนโวลูชัน จ านวน 3 ชั้น Moment Estimation; Adam) และใช้ฟังก์ชันซอฟต์
ประกอบด้วย ผังคุณลักษณะในชั้นที่ 1-3 เท่ากับ 32, แมกซ์ (Softmax function) ในการค านวณหาความ
64 และ 64 ตามล าดับ ใช้ตัวกรองขนาด 3x3 และ น่าจะเป็นเพื่อท านายผลข้อมูลส่งออก

รูปที่ 3 ขั้นตอนการจ าแนกภาพไก่พื้นเมืองด้วยสถาปัตยกรรม LeNet-5, AlexNet, CNN1, และ CNN2

การประเมินประสิทธิภาพของโมเดล
เดียวกับที่ใช้ในการทดสอบโมเดลทั้ง 4 กลุ่ม ๆ ละ 10
การประเมินประสิทธิภาพของโมเดลด้วยการ ภาพ รวมเป็น 40 ภาพ น ามาทดสอบการท านายผล
ค านวณหาค่าความแม่นย า (Accuracy) (สมการที่ 1) (Prediction) โดยการนับจ านวนภาพที่โมเดลท านาย
(กอบเกียรติ, 2565) และการท านายผล (Prediction) ถูกต้องแล้วน าค านวณหาค่าเป็นเปอร์เซ็นต์ความ
ค านวณหาโดยการสุ่มข้อมูลภาพไก่พื้นเมืองจาก ชุด ถูกต้องเพื่อวัดประสิทธิภาพของการท างานของโมเดล
ข้อมูลภาพชุด

(TP+TN) x 100
Accuracy = (1)
(TP+TN+FP+FN)

โดยก าหนดให้ค่าที่พยากรณ์ถูกต้องเชิงบวก บวก (False Positive: FP) เป็นข้อมูลที่ท านายผิดเป็น
(True Positive: TP) เป็นข้อมูลที่ท านายตรงกับข้อมูลจริง กลุ่มที่ก าลังพิจารณา และค่าที่พยากรณ์ผิดพลาดเชิงลบ
ในกลุ่มที่ก าลังพิจารณา ค่าที่พยากรณ์ถูกต้องเชิงลบ (False Negative: FN) เป็นข้อมูลที่ท านายผิดเป็นกลุ่มที่
(True Negative: TN) เป็นข้อมูลที่ท านายตรงกับข้อมูล ไม่ได้พิจารณา
จริงในกลุ่มที่ไม่ได้พิจารณา ค่าที่พยากรณ์ผิดพลาดเชิง

วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566
วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566