DRT 465 · 3(2-3-5) · ชั้นปี/ภาค 4/2

ระบบวิเคราะห์ภาพอัจฉริยะ

Intelligent Image Analysis Systems

ความคืบหน้า
ชั่วโมงตามการออกแบบ: 150 ชม. (ออนไลน์/ศึกษาด้วยตนเอง 75 · ในชั้นเรียน/ปฏิบัติ 75)

คำอธิบายรายวิชา

ขั้นตอนการวิเคราะห์ภาพและวิดีโออัจฉริยะ การเตรียมและกำกับข้อมูลภาพ การตรวจจับ ติดตาม และนับวัตถุด้วยการเรียนรู้เชิงลึก การประมวลผลแบบเวลาจริงบนอุปกรณ์ปลายทาง การประเมินความแม่นยำ ความหน่วง และความเป็นธรรมของระบบ จริยธรรมและการคุ้มครองข้อมูลส่วนบุคคล

คำอธิบายภาษาอังกฤษ

Intelligent image and video analysis pipelines; image data preparation and annotation; deep-learning object detection, tracking and counting; real-time edge processing; evaluating accuracy, latency and fairness; ethics and personal-data protection.

ที่มาคำอธิบาย: ร่างใหม่เสนอ กก.หลักสูตร
หมายเหตุสำหรับ กก.หลักสูตร
  • ทับซ้อนบางส่วนกับ DRT 337 และ DRT 492 ควรกำหนดให้ DRT 465 เน้นระบบวิดีโอแบบเวลาจริงสำหรับงานเฝ้าระวัง

ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLO)

CLOผลลัพธ์การเรียนรู้PLO
CLO1อธิบายขั้นตอนการวิเคราะห์ภาพอัจฉริยะPLO4
CLO2พัฒนาระบบตรวจจับ ติดตาม และนับวัตถุPLO4
CLO3ประเมินความแม่นยำ latency และความเป็นธรรมของระบบPLO4PLO6

โมดูลการเรียนรู้

1การวิเคราะห์วิดีโอ
สัปดาห์ 1–3 · 30 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 15 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

2ชุดข้อมูลและ labeling
สัปดาห์ 4–6 · 30 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 15 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

3Detection และ tracking
สัปดาห์ 7–9 · 30 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 15 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

4Edge และเวลาจริง
สัปดาห์ 10–12 · 30 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 15 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

5ประเมินและจริยธรรม
สัปดาห์ 13–15 · 30 ชม.
3 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 15 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

การวัดและประเมินผล (ร่าง)

ปฏิบัติการและใบงาน35%
quiz ประจำโมดูล10%
สอบกลางภาค20%
โครงงานย่อยหรือสอบปฏิบัติ35%

โดเมนความรู้

แหล่งอ้างอิงหลัก

  1. Szeliski, R. (2022). Computer vision: Algorithms and applications (2nd ed.). Springer. link
  2. Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O'Reilly.
  3. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. link