คอร์สเรียน
Coding Thailand
2025
4.37 คะแนนเฉลี่ย | 21 คอร์ส | 174 รีวิว
เรียน

คอร์สที่เกี่ยวข้อง

Image Processing (บังคับ)

แผนการสอนวิชา Image Processing ระยะเวลา 6 ชั่วโมง
ถูกออกแบบมาเพื่อให้นักเรียนเข้าใจทั้งภาคทฤษฎีและภาคปฏิบัติ ผ่านกิจกรรมเชิงโครงงานและการเรียนรู้แบบลงมือทำ โดยเน้นการพัฒนาทักษะการคิดวิเคราะห์ การแก้ปัญหา และความคิดสร้างสรรค์
วัตถุประสงค์รายวิชา
  • เพื่อให้นักเรียนเข้าใจหลักการพื้นฐานของ Image Processing และ Computer Vision
  • เพื่อศึกษาโครงสร้างและหลักการทำงานของโมเดล YOLO ในการตรวจจับวัตถุ (Object Detection)
  • เพื่อฝึกการติดตั้งไลบรารีที่จำเป็น เช่น OpenCV, PyTorch, YOLOv5/YOLOv8
  • เพื่อให้นักเรียนสามารถทดลองใช้ YOLO กับไฟล์ภาพ วิดีโอ และกล้อง Webcam
  • เพื่อพัฒนาทักษะการประยุกต์ใช้ YOLO ในการทำโครงงาน (Project-based Learning)
ชั่วโมงที่ 1 : YOLO Introduction
เนื้อหา
YOLO (You Only Look Once) เป็นโมเดล Object Detection ที่ได้รับความนิยมสูง เนื่องจากมีความเร็วและความแม่นยำสูง
หลักการทำงาน: แบ่งภาพเป็น Grid, คาดการณ์ Bounding Box และ Class, แสดงผลวัตถุพร้อม Confidence Score
ความแตกต่างจาก R-CNN ที่ประมวลผลช้า YOLO ประมวลผลแบบ Real-time
ประวัติ YOLO: YOLOv1 ถึง YOLOv8 (พัฒนาอย่างต่อเนื่องเพื่อความแม่นยำและความเร็ว)
การประยุกต์ใช้: การจดจำใบหน้า, รถยนต์ไร้คนขับ, การแพทย์, การเกษตร, การตรวจสอบสินค้า
กิจกรรมการเรียนรู้
ครูนำคลิปสาธิตการตรวจจับวัตถุด้วย YOLO มาให้นักเรียนดู
นักเรียนอภิปรายว่าการตรวจจับวัตถุสามารถประยุกต์ใช้กับชีวิตประจำวันได้อย่างไร
ชั่วโมงที่ 2 : Installing Libraries
เนื้อหา
ระบบที่ต้องใช้: Python 3.8+, CUDA (ถ้าใช้ GPU), IDE เช่น Jupyter, VS Code
การติดตั้ง OpenCV: pip install opencv-python
การติดตั้ง PyTorch: รองรับทั้ง CPU และ GPU
การติดตั้ง YOLOv5/YOLOv8 จาก GitHub
การตรวจสอบ Environment และการแก้ปัญหา Import Error
กิจกรรมการเรียนรู้
นักเรียนติดตั้ง OpenCV, PyTorch และ YOLOv5/YOLOv8 บนเครื่องตนเอง
ทดสอบ Import ไลบรารีและรันโค้ดตรวจสอบเวอร์ชัน
ชั่วโมงที่ 3 : ทดลองใส่รูปภาพด้วยตัวเอง
เนื้อหา
การโหลดโมเดล YOLO Pretrained (COCO Dataset)
การอ่านภาพด้วย OpenCV: cv2.imread()
การส่งภาพเข้า YOLO: ได้ Bounding Box, Label, Confidence
การแสดงผลลัพธ์ด้วย OpenCV: การวาดกรอบและข้อความ
ทดลองใช้ภาพที่นักเรียนเลือกเอง
กิจกรรมการเรียนรู้
นักเรียนเลือกภาพของตนเอง เช่น คน รถ หรือสัตว์
ทดลองใช้ YOLO ตรวจจับวัตถุและบันทึกผลลัพธ์
ชั่วโมงที่ 4 : Webcam Integration
เนื้อหา
การเปิด Webcam ด้วย OpenCV: cv2.VideoCapture(0)
การอ่านภาพจากกล้องแบบต่อเนื่อง (Loop)
การส่ง Frame เข้า YOLO และแสดงผลแบบ Real-time
ปัญหาที่อาจพบ: ความหน่วง, แสงน้อย, ความละเอียดภาพ
กิจกรรมการเรียนรู้
นักเรียนเปิดกล้อง Webcam และรัน YOLO ตรวจจับวัตถุ
ทดลองตรวจจับวัตถุแบบ Real-time และบันทึกผลวิดีโอ
ชั่วโมงที่ 5 : YOLO Project
เนื้อหา
การประยุกต์ใช้ YOLO ในโครงงานจริง เช่น ตรวจจับหมวกกันน็อค, นับจำนวนรถ, ตรวจสอบสินค้า
โครงสร้างโครงงาน: กำหนดปัญหา, เก็บข้อมูล, ฝึกโมเดล (Custom Training), นำไปใช้งานจริง
การออกแบบ Diagram โครงงาน
การเตรียม Dataset และ Label สำหรับ Custom Training
กิจกรรมการเรียนรู้
นักเรียนแบ่งกลุ่มเลือกโครงงาน YOLO
ออกแบบโครงสร้างโครงงานและเตรียมการนำเสนอ
ชั่วโมงที่ 6 : การนำเสนอและสรุป
เนื้อหา
สรุปภาพรวม Computer Vision และ YOLO
ทบทวนการใช้งาน OpenCV + YOLO กับภาพ วิดีโอ และ Webcam
การนำเสนอผลงานโครงงานของนักเรียนแต่ละกลุ่ม
การต่อยอดไปสู่ Deep Learning และ AI Applications
กิจกรรมการเรียนรู้
นักเรียนแต่ละกลุ่มนำเสนอผลงานโครงงาน
อภิปรายปัญหาและแนวทางแก้ไขร่วมกัน
 

 

ห้องสนทนา
★
คะแนนเฉพลี่ย
4.37
★
★
★
★
★
5 ดาว
135
4 ดาว
14
3 ดาว
6
2 ดาว
3
1 ดาว
6
กรุณาลงทะเบียนเรียนคอร์สนี้เพื่อใช้งานรีวิว

รีวิวบทเรียน

  • สุพัxxx โพธิxxx
    ขอบคุณมากค่ะ
    ★
    ★
    ★
    ★
    ★
  • ศุภวxxx เสร็xxx
    Gooddd
    ★
    ★
    ★
    ★
    ★
  • 26-0xxx O-aixxx
    Good krub
    ★
    ★
    ★
    ★
    ★
  • ชวนาxxx ทนนวxxx
    ดีมากเลยครับได้รับความรู้
    ★
    ★
    ★
    ★
    ★
  • นายชxxx มิ่งxxx
    02022m1
    ★
    ★
    ★
    ★
    ★
ดูรีวิวเพิ่มเติม...
imakethailand © 2023 imakethailand.org All rights reserved. นโยบายคุ้มครองข้อมูลส่วนบุคคล ข้อตกลงผู้ใช้