This educational application is suitable for children in the age that start learning how to read and write Lao alphabet by using their fingers or the stylus to draw on top of each alphabet shown in the screen, the phonics will also pop up to catch children attention.

ເປັນແອັບພຣິເຄເຊີນທີ່ເໝາະສຳລັບເດັກນ້ອຍທີ່ໃຊ້ໃນການຝຶກຂຽນຕົວອັກສອນພາສາລາວ, ໂດຍການນຳໃຊ້ນິ້ວ ຫຼື ບິກທີ່ໃຊ້ສຳລັບຂຽນໃສ່ໜ້າຈໍມືຖື ແຕ້ມໃສ່ຕົວໜັງສືໃຫ້ຖືກຕ້ອງແລ້ວຈະປະກົດມີສຽງສຳລັບຕົວອັກສອນນັ້ນຂື້ນມາ ເໝາະສຳລັບເດັກນ້ອຍທີ່ກຳລັງຝືກຂຽນຕົວອັກສອນຕັ້ງແຕ່ ຕົວ ກ-ຮ ແລະ ສຳລັບບຸກຄົນທົ່ວໄປ.

This paper presents a real-time human detection technique that is capable of real time processing images in Raspberry Pi. The challenges are due to noises, illumination, distortion, and rapid changes in the image. Histogram of Oriented Gradients (HOG) feature is used to differentiate human from a scene, and fed it into Support Vector Machine (SVM) classifier. Finally, the detected human regions are filtered by discriminating the overlapping area to one detection over the human. The proposed algorithm is optimized for Raspberry Pi processor. Experimental results show that the designed system can process the real-time human detection algorithm with acceptable detection performance.

Abstract: Face recognition is widely used in many applications such as biometric for authentication, surveillance system, user-identification, and personalized technology. The state-of-the-art algorithm based on Convolutional Neural Network (CNN) can achieve up to 99% of recognition accuracy. However, there is a limitation to implement the CNN based technique into embedded system to recognize multiple face in real-time as it requires extensive computation. In this thesis, we propose a framework for multiple face recognition which consists of face detection algorithm, face recognition, and tracking. Our face recognition algorithm based on state of the art deep CNN with small computational parameters. The tracking is very effective to track the face within the scene. These lead to the reduction of the recognition processing time. We implemented the proposed framework into the NVIDIA Jetson TX2 board. The experimental results show that our proposed framework can recognize multiple faces up to 8 faces at the same time in real time with 5-10 fps of processing time and the recognition rate up to 90%.

Abstract: In this paper, we present a framework for the detection of anomalies in video scenes. Both spatial and temporal features extract and learn through the framework. We employ inception modules and residual skip connections inside the framework to make the network learning higher-level features, which we call “multi-scale U-Net”. A multi-scale U-Net kept useful features of the image that lost during training caused by the convolution operator. The numbers of training and testing parameters in our framework are reduced while the detection accuracy is still improved. We evaluated the proposed framework on two benchmark datasets: UCSD and CHUK Avenue. Our proposed framework achieved a significant improvement of 95.7% and 86.8% in terms of AUC compared to the state-of- art learning-based methods.

ປະຫວັດຄວາມເປັນມາຂອງການຄົ້ນຄວ້າ: ໃນປັດຈຸບັນ, ການຮັກສາສິ່ງແວດລ້ອມເປັນສິ່ງທີ່ບັນດາປະເທດປະເທດໃນທົ່ວໂລກໃຫ້ຄວາມສຳຄັນຫລາຍເນື່ອງຈາກສະພາບອາກາດໃນປັດຈຸບັນມີການປ່ຽນແປງຢ່າງຮຸນແຮງ ສົ່ງຜົນໃຫ້ມີການເຄື່ອນໄຫວທາງດ້ານການອະນຸລັກສິ່ງແວດລ້ອມຢ່າງກວ້າງຂວາງ. ການປົກປັກຮັກສາສິ່ງແວດລ້ອມເປັນວຽກງານໜຶ່ງທີ່ຄວນເອົາໃຈໃສ່, ເຊິ່ງຈະເຫັນໄດ້ວ່າປະເທດທີ່ມີສະພາບແວດລ້ອມທີ່ດີນັ້ນນຳມາເຊິ່ງພາບລັກ ແລະ ກ່ຽວຂ້ອງໄປເຖິງການພັດທະນາເສດຖະກິດສັງຄົມອີກດ້ວຍ. ຈາກສະຖິຕິໃນປີ 2016 [1], ທົ່ວໂລກມີການຖິ້ມຂີ້ເຫຍື້ອທັງໝົດ 242 ລ້ານໂຕນສຳລັບທີ່ເປັນພລາສຕິກ ຫຼື ກວມເອົາ 12% ຂອງຂີ້ເຫຍື້ອທີ່ເປັນຂອງແຂງ. ເຊິ່ງໃນປະເທດລາວ, ໂດຍສະເພາະແມ່ນເຂດນະຄອນຫລວງວຽງຈັນ ຂີ້ເຫຍື້ອທີ່ຖືກຖິ້ມສະເລ່ຍ 237.25 ກິໂລກຼາມຕໍ່ຄົນຕໍ່ປີ ແລະ ສະເລ່ຍທັງໝົດ 500 ໂຕນຕໍ່ມື້ [2], ເຊິ່ງບັນຫາການຖິ້ມຂີ້ເຫຍື້ອແມ່ນມີແນວໂນ້ມຈະເພີ່ມຂຶ້ນເລື້ອຍໆໃນແຕ່ລະປີ. ການນຳເອົາຂີ້ເຫຍື້ອມາໃຊ້ຄືນ (Recycling) ເປັນໜຶ່ງໃນຫລາຍວິທີທີ່ຊ່ວຍເຂົ້າໃນການຫລຸດຜ່ອນການເພີ່ມຂຶ້ນຂອງຂີ້ເຫຍື້ອ, ເປັນຕົ້ນແມ່ນການຄັດແຍກຂີ້ເຫຍື້ອອອກເປັນແຕ່ລະປະເພດ, ເຊິ່ງກະຕຸກນ້ຳເປັນຂີ້ເຫຍື້ອປະເພດໜຶ່ງທີ່ຈັດຢູ່ໃນໝວດໝູ່ຂອງພລາສຕິກທີ່ສາມາດນຳມາໃຊ້ຄືນໄດ້. ພລາສຕິກຖືກນຳໃຊ້ຢ່າງແຜ່ຫຼາຍໃນປັດຈຸບັນ, ໂດຍສະເພາະແມ່ນຕຸກນ້ຳເຊິ່ງເປັນປະເພດຂີ້ເຫຍື້ອທີ່ຖືກຖິ້ມຫຼາຍທີ່ສຸດໃນແຕ່ລະມື້. ແຕ່ການຖິ້ມ ແມ່ນບໍ່ມີການຄັດແຍກຢ່າງຊັດເຈນ ຈຶ່ງເຮັດໃຫ້ການບໍລິຫານຈັດການຂີ້ເຫຍື້ອປະເພດນີ້ເພື່ອນຳໄປໝຸນໃຊ້ຄືນຫຍຸ້ງຍາກ. ໃນບົດຄົ້ນຄວ້ານີ້ໄດ້ພັດທະນາລະບົບການເກັບຄືນກະຕຸກນ້ຳທີ່ດື່ມແລ້ວ ໂດຍນຳໃຊ້ລະບົບການບີບອັດກະຕຸກ ເພື່ອໃຫ້ສາມາດຄັດແຍກກະຕຸກນ້ຳອອກຈາກຂີ້ເຫຍື້ອປະເພດອື່ນໄດ້ ແລະ ຈະຊ່ວຍໃຫ້ປະຢັດພື້ນທີ່ຂອງການຈັດເກັບກະຕຸກນ້ຳໄດ້ຫລາຍຂຶ້ນ ແລະ ມີວິທີການສົ່ງເສີມການຖີ້ມກະຕຸກຜ່ານເຄື່ອງບີບອັດໂດຍການການຄືນກຳໄລໃຫ້ຄົນທີ່ຖິ້ມສາມາດສະສົມຄະແນນເພື່ອແລກປ່ຽນ ຫຼື ເປັນສ່ວນຫຼຸດໃນການຊື້ສິນຄ້າໄດ້ ເປັນການຕະຫຼາດເພື່ອສ້າງແຮງຈູງໃຈ ແລະ ສົ່ງເສີມການນຳເອົາຂີ້ເຫຍື້ອກັບມາໃຊ້ຄືນຕື່ມອີກ, ນອກຈາກນັ້ນລະບົບຍັງສາມາດລາຍງານຜົນການຖິ້ມໄດ້ ເຊິ່ງສາມາດນຳເອົາຂໍ້ມູນດັ່ງກ່າວນັ້ນມາວິເຄາະການດື່ມນ້ຳຂອງຜູ້ຊົມໃຊ້ໄດ້ອີກດ້ວຍ. ເຊິ່ງແນໃສ່ກຸ່ມເປົ້າໝາຍໃນການທົດລອງຜົນການວິໄຈເປັນນັກຮຽນ ແລະ ນັກສຶກສາຕາມສະຖາບັນການສຶກສາທີ່ມີການນຳໃຊ້ກະຕຸກພລາສຕິກຢ່າງຫຼວງຫຼາຍ, ທັງຍັງເປັນການຊຸກຍູ້ໃຫ້ໄວໜຸ່ມຮັບຮູ້ເຖິງການອະນຸລັກສິ່ງແວດລ້ອມ ໂດຍການເກັບມ້ຽນຂີ້ເຫຍື້ອໃຫ້ເປັນລະບຽບ