เลือกงาน AI ให้ตรงผลที่ต้องการ
Object detection ให้ตำแหน่งกรอบวัตถุ ส่วน semantic segmentation ให้ประเภทของแต่ละพิกเซล เช่น น้ำ ถนน หรืออาคาร การประเมินความเสียหายต้องกำหนดความหมายของแต่ละระดับให้ผู้ทำป้ายกำกับเข้าใจตรงกันก่อน มิฉะนั้นโมเดลจะเรียนจากคำตอบที่ไม่สอดคล้องกัน
WFP อธิบายการใช้ AI ช่วยวิเคราะห์ภาพจากเหตุฉุกเฉินควบคู่กับกระบวนการของคน ผลจากโมเดลจึงควรเป็นรายการช่วยตรวจ ไม่ใช่การรับรองสภาพจริงโดยอัตโนมัติ กรณี WFP
ชุดข้อมูลที่ควรเริ่มอ่าน
| แหล่ง | สิ่งที่ฝึกได้ | ต้องแยกให้ออก |
|---|---|---|
| FloodNet | แยกน้ำ ถนน อาคารบนภาพโดรน | README ระบุ CDLA-Permissive-1.0 |
| RescueNet | แยกพื้นที่และความเสียหายหลังภัย | README ข้อมูลระบุ CC BY-NC-ND; สิทธิ์ภาพต่างจากโค้ด MIT |
| xView2 baseline | อ่านโค้ดวิเคราะห์อาคารก่อน–หลัง | xBD เป็นภาพดาวเทียม; ตรวจสิทธิ์ข้อมูลแยกจากโค้ด |
ใช้ทางเข้าต้นฉบับเพื่ออ่านเงื่อนไขและดาวน์โหลดเอง เว็บนี้ไม่ได้รวมภาพเหล่านี้ไว้ให้ดาวน์โหลดซ้ำ และยังไม่ได้ทดสอบติดตั้ง dependencies ของโครงการดังกล่าวบน Windows/Linux
วัดผลให้สะท้อนงานจริง
กัน test set ไว้ไม่ใช้ปรับโมเดล หากตัดภาพใหญ่เป็นชิ้นเล็ก อย่าให้ภาพที่ใกล้กันมากจากพื้นที่เดียวกันหลุดไปทั้งชุดฝึกและชุดสอบโดยไม่พิจารณา เพราะผลอาจดูดีจากความคล้ายของฉาก ควรแยกตามพื้นที่หรือเหตุการณ์เมื่อโจทย์ต้องใช้กับพื้นที่ใหม่
ตัวชี้วัดแต่ละแบบตอบคนละคำถาม: precision บอกสัดส่วนที่แจ้งแล้วถูก, recall บอกสัดส่วนเป้าหมายจริงที่พบ และ IoU เปรียบเทียบพื้นที่ส่วนทับซ้อนกับพื้นที่รวมของป้ายกำกับและผลทำนาย ต้องเก็บตัวอย่างที่ผิดด้วย ไม่รายงานตัวเลขเฉลี่ยอย่างเดียว
เมื่อต้องนำไปใช้บน Edge AI
เริ่มตรวจโมเดลบน PC ก่อนส่งออกไปยังรูปแบบที่อุปกรณ์รองรับ แล้วเทียบผลเดิมกับผลหลังแปลง วัดเวลา infer และการใช้หน่วยความจำบนเครื่องจริง แยกบอร์ดประมวลผลภาพออกจากหน้าที่ควบคุมการบิน เรียนขั้นตอนเพิ่มเติมใน Computer Vision และ Embedded AI สู่ ROS
แผนภาพประกอบความเข้าใจ
แผนภาพนี้สรุปแนวคิดของบท ใช้ประกอบขั้นตอนและข้อจำกัดที่อธิบายด้านบน สามารถกดภาพเพื่อขยายได้
ลองทำบนคอมพิวเตอร์
- เลือกงานเดียว เช่น แยกพื้นที่น้ำ แล้วอ่านนิยามป้ายกำกับของชุดข้อมูล
- ร่างการแบ่ง train/validation/test พร้อมเหตุผลว่าจะลดความซ้ำของฉากอย่างไร
- ใช้เครื่องมือ confidence ของเว็บฝึกอ่าน precision/recall แล้วจัดตารางตัวอย่างผลที่ผิด
สิ่งส่งมอบ: แผนทดลองโมเดลที่ระบุข้อมูล สิทธิ์ วิธีแบ่งชุด และเกณฑ์ตรวจ
ตรวจผล: ไม่ใช้ test set ปรับค่า และระบุชัดว่าส่วนใดเป็นแผนกับส่วนใดทดลองจริงแล้ว
เรียนต่อและแหล่งฝึก
เปิดบทที่เชื่อมโยงกับเรื่องนี้ → · เปิดชุดฝึกสถานการณ์และไฟล์ดาวน์โหลด →
บรรณานุกรมและอ่านต่อ
- WFP: AI และโดรนในการรับมือเหตุฉุกเฉิน. สืบค้น 8 กันยายน 2569
- BinaLab: FloodNet พร้อมทางเข้าดาวน์โหลด. สืบค้น 8 กันยายน 2569
- BinaLab: RescueNet พร้อมข้อมูลและตัวอย่างโค้ด. สืบค้น 8 กันยายน 2569
- DIUx-xView: xView2 baseline. สืบค้น 8 กันยายน 2569
- CDLA-Permissive-1.0: เงื่อนไขข้อมูล. สืบค้น 8 กันยายน 2569
เนื้อหาและแบบฝึกเรียบเรียงจากแหล่งต้นทางข้างต้น ส่วนภาพเสมือนจริงเป็นภาพประกอบจำลอง ไม่ใช่หลักฐานผลภารกิจหรือผลทดสอบอุปกรณ์