ผลการทดลองวิจัย (ตัวอย่าง)
หน้านี้แสดงผลการทดลองการจำแนกพรรณพืชด้วยโมเดลการเรียนรู้เชิงลึก โดยเปรียบเทียบประสิทธิภาพของโมเดล CNNs, Vision Transformers (ViTs) และโมเดลไฮบริด
สรุปผลลัพธ์การทดสอบโมเดล
| โมเดล | Accuracy | Precision | Recall | F1-score |
|---|---|---|---|---|
| ResNet50 (CNN) | 89.5% | 88.7% | 87.9% | 88.3% |
| EfficientNet-B3 (CNN) | 91.2% | 90.5% | 90.1% | 90.3% |
| DeiT (Vision Transformer) | 92.4% | 91.8% | 91.2% | 91.5% |
| Hybrid (CNN + Transformer) | 94.1% | 93.6% | 93.0% | 93.3% |
การเปรียบเทียบผลลัพธ์แบบกราฟ
สามารถเพิ่มกราฟหรือ visualization ภายหลัง เช่น Chart.js หรือ Plotly