VISION
ห้องเรียนคอมพิวเตอร์วิทัศน์ · กล้องจริง ถนนจริงA computer-vision classroom · real cameras, real roads

คอมพิวเตอร์
มองเห็น
อย่างไรHow a
computer
sees

เริ่มจากภาพ เปลี่ยนเป็นตัวเลข ขอบ การเคลื่อนไหว แล้วจึงเดาว่าเห็นอะไร ลองทีละขั้นกับกล้องสาธารณะของไทย กล้องของคุณ หรือรูปที่คุณเลือก

A picture becomes numbers, edges, motion, then a guess. Follow each step on Thailand’s public cameras, your own camera, or a photo.

เริ่มเรียน →Start learning →

ภาพจากกล้องของคุณประมวลผลในเบราว์เซอร์นี้เท่านั้น ไม่มีการส่งหรือบันทึกไว้ที่ไหนYour camera's picture is processed in this browser only. Nothing is sent or saved anywhere.

ตาของเครื่องThe machine's eye
…

…

คอมพิวเตอร์มองเห็นอย่างไร ในห้าขั้นHow a computer sees, in five steps

เครื่องไม่เห็นแบบคน มันเดินทางจากแสงไปสู่ตัวเลข ขอบ การเคลื่อนไหว แล้วจึงเดา พร้อมบอกความมั่นใจเสมอ

A machine does not see the way you do. It walks from light to numbers, edges, motion — then a guess, always with its confidence attached.

Light enters แสงเข้ากล้อง a picture arrives ภาพมาถึงเครื่อง Chapter 01 บทที่ 01 62 9 80 44 Pixels are numbers พิกเซลคือตัวเลข every dot carries a value ทุกจุดมีตัวเลขของมัน Chapter 02 บทที่ 02 A window finds edges หน้าต่างเลื่อนหาขอบ outlines replace colour ขอบแทนสี Chapters 04–05 บทที่ 04–05 Catches what moves จับอะไรขยับ two frames, one difference สองภาพ เทียบความต่าง Chapter 06 บทที่ 06 car 92% รถ 92% A guess + confidence คำเดา พร้อมความมั่นใจ never a certainty ไม่ใช่ความแน่นอน Chapter 07 บทที่ 07
จากแสงสู่คำเดา ห้าขั้นนี้คือทางเดินของเครื่องมองเห็น กดแต่ละขั้นเพื่อเปิดเครื่องมือจริงในห้องเรียนFrom light to a guess: the machine's walk in five steps. Tap a step to open its live instrument.
—กล้องในรายชื่อ จาก 7 แหล่งcameras listed, from 7 sources
—กล้องที่เครื่องอ่านพิกเซลได้cameras a machine can read
—สตรีมที่ต้นทางรายงานว่าสดstreams the camera’s own system reports as live
0ภาพที่เราเก็บไว้pictures we keep
ที่มาWhy this exists

กล้องเต็มเมือง แต่ไม่มีใครดูอยู่Cameras everywhere. Eyes nowhere.

A control room in Shenzhen: a wall of CCTV feeds above a row of empty chairs
เซินเจิ้น · จอเต็มผนัง เก้าอี้ว่างทั้งแถวShenzhen · full wall, empty chairs

ในห้องควบคุมของเมืองหลายแห่ง ดร.นน อัครประเสริฐกุล เห็นผนังจอนับร้อยกับเจ้าหน้าที่ที่สัปหงก เล่นมือถือ หรือลุกไปพัก แล้วถามว่า เราจะรู้ได้อย่างไรว่าคนไม่ได้พลาดอะไรไป คำถามนั้นพาเขาไปศึกษาคอมพิวเตอร์วิทัศน์ด้วยตัวเอง และสร้างห้องเรียนนี้ขึ้นมา

In city control rooms, Dr Non Arkaraprasertkul saw walls of screens and operators dozing, texting, stepping away — and asked how anyone would know what the humans missed. That question led him to teach himself computer vision, and to build this classroom.

อ่านเรื่องเล่า →Read the story →

สิบห้องTen rooms

เดินตามลำดับก็ได้ กระโดดไปห้องที่สนใจก็ได้ เกือบทุกห้องใช้กล้องจริง

Walk them in order or jump to the one you want. Almost every room runs on real cameras.

  1. 01เรียนรู้ว่ามันมองอย่างไรLearn how it looksแปดบท ตั้งแต่ “ภาพคือตัวเลข” จนถึง “สิ่งที่มันทำไม่ได้” ทุกบทมีเครื่องมือให้ลองกับกล้องสดEight chapters, from “a picture is numbers” to “what it cannot do”, each with a live instrument.
  2. 02กล้องทุกตัวEvery cameraแผนที่กล้องทั้งหมด เลือกกล้องไหนก็ได้ให้เครื่องวิเคราะห์ หรือนับรถทั้งประเทศพร้อมกันA map of them all. Point the machine at any one, or run a census across the country.
  3. 03ฝึกเครื่องด้วยตัวเองTrain a machine yourselfเลือกกิจกรรม ให้ตัวอย่าง แล้วลองภาพใหม่ ไม่มีกล้องก็เริ่มด้วยภาพวาดได้Choose an activity, teach with examples, then try new pictures. Start with drawings if you have no camera.
  4. 04สั่งสิ่งเล็ก ๆ ด้วยท่ามือGestures that do thingsสอนกล้องจำท่าไม่กี่ท่า แล้วให้แต่ละท่าสั่งสิ่งเล็ก ๆ ในเบราว์เซอร์ พร้อมรายการตรง ๆ ว่าเบราว์เซอร์ไม่ยอมให้ทำอะไรTeach a few gestures, then let each one run a small action in the browser — with an honest list of what a browser will not allow.
  5. 05ขับเอง: รถที่บอกว่าเห็นอะไรDrive: cars that say what they seeสนามทดสอบมีวงเวียน ไฟจราจร ทางม้าลาย คน และสุนัขจร เลือกสองช่องทาง สี่ช่องทาง หรือเมืองที่มีรถถึง 24 คัน และดูเหตุผลที่แต่ละคันเบรกA test track with a roundabout, a light, zebras, people and stray dogs. Choose two lanes, four lanes or a crowded city with up to 24 cars — and hear why each car brakes.
  6. EXใบหน้าและสมาธิ: ทดลองกับตัวเองFace & focus: try it on yourselfยินยอมเปิดกล้อง ตั้งท่าปกติ แล้วดูช่วงที่หันออกหรือไม่เห็นใบหน้า ภาพอยู่ในอุปกรณ์ อารมณ์ให้คุณบอกเองOpt in, set your usual position, and review look-away and face-absent periods. Pictures stay on your device; mood notes come from you.
  7. 06เกม: คนกับเครื่องGames: you vs the machineนับรถแข่งกับเครื่อง ทายภาพจากพิกเซลน้อยที่สุด และหาทางหลอกตาเครื่องOut-count it, out-guess it from the fewest pixels, and find ways to fool it.
  8. 07ในชีวิตประจำวันIn everyday lifeปลดล็อกมือถือ สแกน QR ตรวจเอกซเรย์ รถช่วยเลี้ยว ทำงานอย่างไร และอะไรผิดพลาดได้Phone unlock, QR codes, X-rays, lane keeping — how each works and what can go wrong.
  9. 08วิจัย · เกี่ยวกับResearch · Aboutหลักฐานที่ห้องเรียนนี้ยืนอยู่ สี่ก้าวสำคัญของประวัติศาสตร์ กรณีศึกษาในไทย และงานที่เว็บนี้ใช้จริงThe live evidence this classroom stands on, four landmarks of the field, a Thai case study, and the work this site actually runs.
  10. 09ระบบทำงานอย่างไรHow the system worksแผนผังทั้งระบบ ภาพเดินทางอย่างไร โมเดลมาจากไหน และอะไรที่เราตั้งใจไม่ทำThe whole design: how a picture travels, where models come from, and what we chose not to build.
  11. 10ข้อกฎหมายฉบับเต็มThe fine printพ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล กล้องเป็นของใคร สิ่งที่ห้ามทำ และการขอถอดกล้องThai data-protection law, who owns the cameras, what you must not do, and takedowns.

สามข้อที่เราไม่ต่อรองThree things we do not bend

  1. iทำงานในเครื่องของคุณIt runs on your deviceโมเดล (โปรแกรมที่ฝึกแล้ว ซึ่งแปลงรูปเป็นคำตอบเดา) ทุกตัวคำนวณในเบราว์เซอร์ของคุณ กล้องของคุณและรูปของคุณไม่ถูกส่งออกไปไหนEvery model — a trained program that turns a picture into a guess — computes in your browser. Your camera and your photos never leave your device.
  2. iiไม่ระบุตัวบุคคลIt never identifies anyoneระบบนับว่ามี “คน” ได้ แต่ไม่รู้ว่าเป็นใคร ไม่อ่านทะเบียนรถ และไม่เก็บภาพ แม้ในห้องทดลองใบหน้าที่คุณเลือกเปิดเอง มันหาตำแหน่งตาและการหันหน้าของคุณ ไม่ใช่ตัวตนของคุณIt can count that a “person” is there, but never who. It does not read number plates or keep pictures. Even in the face experiment you choose to open, it finds where your eyes and head point — not who you are.
  3. iiiบอกความมั่นใจเสมอIt always shows its confidenceทุกคำตอบของเครื่องมาพร้อมตัวเลขความมั่นใจ และ “ไม่เห็น” ไม่เคยแปลว่า “ไม่มี”Every answer carries a confidence number — and “not detected” never means “not there”.