คอลัมน์ข้ามศาสตร์
ผู้เขียนและเรียบเรียง: Aaron Lin (林耿呈); CEO AIWin Technology Co., Ltd.
ในปี 2017 Apple เปิดตัว "iPhone X" รุ่นใหม่เพื่อฉลองครบรอบสิบปีของ iPhone โดย iPhone X ใช้ Face ID แทน Touch ID ซึ่งถือได้ว่าเป็นหมุดหมายใหม่ของการนำการรู้จำใบหน้า (Face Recognition) มาใช้งานจริง การรู้จำใบหน้าไม่ใช่เทคโนโลยีใหม่แต่อย่างใด แต่เมื่อ Apple นำมานิยามใหม่ ก็ทำให้เทคโนโลยีนี้มีความเป็นไปได้ในการใช้งานรูปแบบใหม่ ซึ่งเป็นสิ่งที่ Apple ถนัดอยู่แล้ว การรู้จำใบหน้าเป็นการประยุกต์ใช้อย่างหนึ่งของการรู้จำภาพ โดยหลักแล้วอาศัยกล้อง (Camera) และเลนส์ (Lens) สร้างภาพเข้าสู่อุปกรณ์ (Device) จากนั้นใช้อัลกอริทึม (Algorithm) ด้านการประมวลผลภาพ (Image Processing) แปลงข้อมูลภาพให้เป็นสารสนเทศที่ใช้ประโยชน์ได้ ฟังดูเหมือนไม่มีอะไรซับซ้อน แต่การทำงานจริงนั้นซับซ้อน ผู้เขียนจะอธิบายทีละส่วนดังต่อไปนี้
ภาพในคอมพิวเตอร์
กล่าวอย่างง่าย การรู้จำภาพคือการถ่ายภาพด้วยกล้อง แล้วนำไปประมวลผลด้วยโปรแกรมคอมพิวเตอร์ สุดท้ายจึงประมวลผล วิเคราะห์ วัด และตีความจากภาพ เพื่อให้ได้สารสนเทศที่เป็นประโยชน์เกี่ยวกับวัตถุนั้น ในโลกของคอมพิวเตอร์ ทุกอย่างคือข้อมูล 0 กับ 1 ภาพถ่ายหนึ่งภาพก็เต็มไปด้วยชุดของ 0 กับ 1 คอมพิวเตอร์ไม่เข้าใจความหมายที่อยู่ในนั้นเลย ต่างจากมนุษย์เรา ที่ผ่านการเรียนรู้และการรับรู้มาตั้งแต่วัยเด็ก จึงเชื่อมโยงสิ่งที่ตาเห็นไปยังสมองได้ทันที และนึกออกว่าสิ่งที่เห็นคืออะไร แต่คอมพิวเตอร์ทำเช่นนั้นไม่ได้เลย นักวิทยาศาสตร์จึงพัฒนาอัลกอริทึมการประมวลผลภาพขึ้นมา เพื่อให้ชุดของ 0 กับ 1 ที่เก็บอยู่ในคอมพิวเตอร์เหล่านี้มีความหมาย สำหรับภาพในโลกของคอมพิวเตอร์ หน่วยที่เล็กที่สุดที่ประกอบกันเป็นขนาดของภาพ เรียกว่าพิกเซล (Pixel) แต่ละพิกเซลประกอบขึ้นจากแม่สีสามสี คือ R (แดง) G (เขียว) และ B (น้ำเงิน) แม่สีแต่ละสีส่วนใหญ่ใช้ 8 บิต จึงมีค่าระดับความเข้มกระจายอยู่ระหว่าง 0 ถึง 255 และเมื่อแม่สีแต่ละสีแสดงระดับความเข้มต่างกัน ก็เกิดเป็นสีสันที่หลากหลาย ภาพทุกภาพประกอบขึ้นจากพิกเซลที่เรียงตัวแบบ 2 มิติ เช่น ความละเอียดที่พบบ่อย ได้แก่ 640X460, 800X600 เป็นต้น ซึ่งล้วนเป็นวิธีแสดงขนาดของภาพ
ภาพหนึ่งภาพประกอบขึ้นจากพิกเซลจำนวนมาก
อัลกอริทึมการรู้จำภาพ
อัลกอริทึมการรู้จำภาพที่พบบ่อย ได้แก่ การประมวลผลเบื้องต้น (Image Pre-processing) การแบ่งส่วนภาพ (Image Segmentation) การแทนและการพรรณนาภาพ (Image Representation and Description) และการรู้จำวัตถุเป้าหมาย (Object Recognition) การประมวลผลเบื้องต้นหมายถึงการปรับปรุงคุณภาพของภาพ ที่พบบ่อยได้แก่ การทำให้ภาพคมชัด การเน้นขอบภาพ (Edge Enhancement) และการเพิ่มความสว่างและความอิ่มตัวของสี เป็นต้น เมื่อผ่านการประมวลผลเบื้องต้นเหล่านี้แล้ว วัตถุในภาพที่เราต้องการจับ จะถูกเน้นให้โดดเด่นขึ้นอย่างชัดเจน ขั้นต่อไปคือการแบ่งส่วนภาพ เนื่องจากการประมวลผลเบื้องต้น ได้ทำให้วัตถุที่ต้องการโดดเด่นขึ้นในระดับความเข้มแล้ว จึงใช้วิธีการทำภาพเป็นสองระดับ (Thresholding) ตัดแยกวัตถุออกมาได้ วัตถุที่ตัดแยกออกมาจะเข้าสู่ขั้นตอนการแทนและการพรรณนาคุณลักษณะ สุดท้ายจึงนำคุณลักษณะเหล่านี้ไปจำแนกประเภท (Classification) เพื่อให้เกิดผลการรู้จำ ยกตัวอย่างการรู้จำใบหน้า การประมวลผลเบื้องต้นคือการปรับภาพใบหน้าที่สว่างหรือมืดเกินไป จากนั้นใช้ช่วงระดับความเข้มของสีผิวทำภาพเป็นสองระดับ เพื่อจับส่วนที่เป็นใบหน้าออกมา ต่อมาจึงดึงคุณลักษณะของดวงตาและปาก พร้อมพรรณนาระยะห่างที่สัมพันธ์กัน และใช้ระยะห่างเหล่านี้เป็นคุณลักษณะสำหรับระบุตัวบุคคล สุดท้ายนำไปเปรียบเทียบและจำแนกกับฐานข้อมูล ก็จะระบุตัวตนของบุคคลนั้นได้
การระบุตัวบุคคลต้องสงสัย
การประยุกต์ใช้การรู้จำภาพ
นอกจากการรู้จำใบหน้าแล้ว การรู้จำภาพยังถูกนำไปใช้ในอีกหลายสาขา เช่น การปรับปรุงคุณภาพของภาพ ได้แก่ ภาพถ่ายดาวเทียม ภาพทางการแพทย์ และการฟื้นฟูภาพถ่ายเก่า งานด้านศิลปกรรม ได้แก่ การออกแบบโปสเตอร์ การทำแอนิเมชัน และเทคนิคพิเศษในภาพยนตร์ การวัดขนาด ได้แก่ ความยาว ความกว้าง เส้นผ่านศูนย์กลาง พื้นที่ ปริมาตร รูปทรง และระยะห่างระหว่างชิ้นส่วน งานด้านการนับ ได้แก่ การนับเงิน การนับโซมาติกเซลล์ การนับจุลินทรีย์ และการนับลูกปลา ด้านการรู้จำอัตโนมัติ ได้แก่ การตรวจและคัดเกรดผลิตภัณฑ์ การตรวจจับข้อบกพร่อง การจำแนกชนิดจุลินทรีย์ การเปรียบเทียบลายนิ้วมือ และการติดตามวัตถุเคลื่อนที่ ด้านการระบุตำแหน่ง ได้แก่ การคำนวณตำแหน่งพิกัด 2D หรือ 3D ของวัตถุเป้าหมาย การสร้างภาพขึ้นใหม่ และความเป็นจริงเสมือน เป็นต้น ซึ่งหลากหลายอย่างยิ่ง นอกจากนี้ ความก้าวหน้าทางเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence) และดีปเลิร์นนิง (Deep Learning) ในช่วงไม่กี่ปีที่ผ่านมา ยังทำให้การประยุกต์ใช้ข้างต้นแม่นยำขึ้นอย่างก้าวกระโดด และก่อให้เกิดการประยุกต์ใช้รูปแบบใหม่อีกมากมาย หากมีโอกาสในอนาคต จะกลับมาคุยเรื่องปัญญาประดิษฐ์และดีปเลิร์นนิงอย่างละเอียดอีกครั้ง
การตรวจสอบสิ่งทอ
การตรวจจับข้อบกพร่องของเชือกผูกรองเท้า
การรู้จำภาพรถคันหน้า