ข้ามไปยังเนื้อหา
TESA Open Knowledge

feature และหน้าต่าง: สิ่งที่โมเดลเห็นจริง

โมดูล 4 — วิเคราะห์สัญญาณ · สไลด์: slides.md · ภาพรวมโมดูล · หน้าหลักสูตร

เข้าใจสิ่งที่โมเดลเห็นจริง โมเดลไม่กิน sample ดิบทีละจุดแต่กินหน้าต่างที่ถูกบีบเป็น feature vector เรียนเรื่องหน้าต่างเลื่อนกับ hop ทำไมต้องซ้อน ฟีเจอร์เชิงสถิติ mean std และพลังงานต่อย่าน และโยงไปสู่ log-mel spectrogram ของโมเดลเสียง

เป้าหมาย

หัวข้อที่มีชื่อว่า “เป้าหมาย”

เมื่อจบบทเรียนนี้ คุณจะ:

  1. อธิบายได้ว่าทำไมโมเดลต้องดูหน้าต่างของสัญญาณแทน sample เดี่ยว และคำนวณจำนวนหน้าต่างต่อวินาทีจาก WIN, HOP และอัตราสุ่ม
  2. บอกข้อแลกเปลี่ยนของการซ้อนหน้าต่าง (hop เล็กกับใหญ่) และเหตุผลที่หน้าต่างซ้อนกันไม่พลาดเหตุการณ์สั้น
  3. คำนวณ mean และ std ของหน้าต่างเล็ก ๆ ด้วยมือ และอธิบายว่า std แยกนิ่งกับขยับได้อย่างไร ส่วน mean บอกท่าทางคงที่
  4. อธิบายสายพาน log-mel = log(Mel(|FFT(x·w)|)) และเหตุผลที่ front-end ตอนฝึกกับตอนใช้งานต้องตรงกัน

ก่อนเริ่ม

หัวข้อที่มีชื่อว่า “ก่อนเริ่ม”

ผ่านชุดบทเรียน 4.3–4.4 มาแล้ว เข้าใจ FFT, Hann window และ magnitude เปิดตัวอย่าง s10_windowing.py ไว้ใน BENTO IDE

ดูของจริงก่อน

หัวข้อที่มีชื่อว่า “ดูของจริงก่อน”

รัน s10_windowing.py ก่อนเลย วางบอร์ดนิ่งสลับกับเขย่าเบา ๆ แล้วดูแท่ง mean, std และ band0..3 ขยับ นั่นคือ feature vector ที่กำลังไหลเข้าโมเดล สัญญาณดิบก้อนหนึ่งกลายเป็นตัวเลขไม่กี่ตัว

แนวคิด

หัวข้อที่มีชื่อว่า “แนวคิด”

เสียงไอหนึ่งครั้งหรือท่าเขย่าหนึ่งทีไม่ใช่ค่า ณ จุดเดียว แต่เป็น รูปร่างของสัญญาณช่วงเวลาหนึ่ง โมเดลจึงกิน หน้าต่าง (window) เช่น WIN = 50 จุดหรือหนึ่งวินาทีที่ 50 Hz หน้าต่างเลื่อนทีละ HOP = 25 จุด จึงซ้อนกัน 50% และได้ feature ชุดใหม่ทุก 25 จุด (สองครั้งต่อวินาที) การซ้อนทำให้ตอบไวขึ้นและไม่พลาดเหตุการณ์สั้นที่ตกร่องระหว่างหน้าต่าง แลกกับการคำนวณบ่อยขึ้น ขนาดหน้าต่างไม่ได้ตั้งมั่ว โมเดลฝึกมาด้วยหน้าต่างขนาดไหน ตอนใช้งานก็ต้องป้อนขนาดเดียวกัน

หน้าต่าง 50 จุดถูกบีบเป็น feature vector หกตัว [mean, std, band0, band1, band2, band3] mean บอกระดับ DC หรือทิศของแรงโน้มถ่วงบนแกนนั้น (ท่าทางคงที่) std = $\sqrt{\frac{1}{n}\sum (x_i - \bar{x})^2}$ บอกความแรงของการสั่น วางนิ่งต่ำ เขย่าสูง band0..3 แบ่งหน้าต่างเป็นสี่ช่วง เวลา แล้ววัด variance แต่ละช่วง จับได้ว่าการสั่นกระจุกอยู่ต้น กลาง หรือท้ายหน้าต่าง feature ดีแค่ไหน โมเดลก็เล็กและแม่นได้แค่นั้น

โมเดลเสียงบนบอร์ดใช้โครงเดียวกันแต่แบ่งย่านตาม ความถี่: ตัดหน้าต่าง → คูณ Hann → FFT → เอาขนาด → รวมเป็นย่าน mel ตามการได้ยินของหู (ความถี่ต่ำละเอียด สูงหยาบ) → log บีบ dynamic range เขียนเป็นสูตรเดียวได้ว่า $\text{logmel} = \log(\mathrm{Mel}(|\mathrm{FFT}(x \cdot w)|))$ ข้อสรุปที่สำคัญที่สุดคือ โมเดลไม่เคยเห็นสัญญาณดิบ มันเห็นแต่ feature vector ที่ front-end บีบมาให้ ตอนฝึก dataset คือชุดของ feature vector พร้อม label ตอนใช้งานบอร์ดบีบสัญญาณสดแบบเดียวกัน ถ้า front-end สองฝั่งไม่ตรงกัน โมเดลจะเพี้ยนทันที ซึ่งเป็นบั๊กคลาสสิกของ Edge AI

ตัวอย่างสมบูรณ์

หัวข้อที่มีชื่อว่า “ตัวอย่างสมบูรณ์”

s10_windowing.py คือฉบับอ้างอิงที่ใช้ WIN = 50 และ HOP = 25 ลองทาย (Predict) ก่อนรันว่าแท่งใดจะสูงขึ้นมากที่สุดเมื่อเขย่า แล้วลองหมุนบอร์ดช้า ๆ เทียบ จะเห็นว่า mean เปลี่ยนแต่ std ยังต่ำ

ไฟล์ ไฟล์นี้สอน
examples/s10_windowing.py โมเดล “เห็น” อะไร: windowing + feature vector

เช็กความเข้าใจ

หัวข้อที่มีชื่อว่า “เช็กความเข้าใจ”

คำถามชุดเดียวกันอยู่ใน quiz.yaml สำหรับระบบที่ตรวจอัตโนมัติ

  1. WIN = 50, HOP = 25 ที่อัตราสุ่ม 50 Hz ได้ feature vector ใหม่กี่ชุดต่อวินาที (เลือกหนึ่งข้อ · เป้าหมายข้อ 1)

    • ก) 1 ชุด
    • ข) 2 ชุด
    • ค) 25 ชุด
    • ง) 50 ชุด
    เฉลย

    ข — ได้ชุดใหม่ทุก HOP = 25 จุด ที่ 50 จุดต่อวินาทีจึงเป็น 2 ชุดต่อวินาที แต่ละชุดครอบคลุม 1 วินาทีและซ้อนกัน 50%

  2. ตั้ง HOP = WIN (ไม่ซ้อน) ความเสี่ยงหลักคืออะไร (เลือกหนึ่งข้อ · เป้าหมายข้อ 2)

    • ก) หน่วยความจำเต็ม
    • ข) เหตุการณ์สั้นที่คร่อมรอยต่อระหว่างสองหน้าต่างอาจถูกแบ่งครึ่งจนโมเดลพลาด และได้ผลช้าลง
    • ค) std กลายเป็นลบ
    • ง) อัตราสุ่มเปลี่ยน
    เฉลย

    ข — การซ้อนทำให้ทุกจุดถูกครอบด้วยหน้าต่างมากกว่าหนึ่งอัน และได้ผลบ่อยขึ้น ไม่ซ้อนประหยัดแรงแต่ตอบช้าและพลาดง่าย

  3. หน้าต่าง [7.8, 11.8, 7.8, 11.8] มี mean และ std เท่าไร (เลือกหนึ่งข้อ · เป้าหมายข้อ 3)

    • ก) mean 9.8, std 0
    • ข) mean 9.8, std 2.0
    • ค) mean 4.0, std 9.8
    • ง) mean 11.8, std 4.0
    เฉลย

    ข — ค่าเฉลี่ย 9.8 ทุกจุดห่างจากค่าเฉลี่ย 2.0 std จึงเป็น 2.0 เทียบกับหน้าต่างนิ่ง [9.8, 9.8, 9.8, 9.8] ที่ std = 0 แม้ mean เท่ากัน

  4. หมุนบอร์ดช้า ๆ จากราบเป็นตั้ง feature ใดเปลี่ยนมากที่สุด (เลือกหนึ่งข้อ · เป้าหมายข้อ 3)

    • ก) mean เพราะทิศของแรงโน้มถ่วงบนแกน Z เปลี่ยน ส่วน std ยังต่ำเพราะไม่มีการสั่น
    • ข) std เพราะบอร์ดเคลื่อนที่
    • ค) band3 เท่านั้น
    • ง) ไม่มี feature ใดเปลี่ยน
    เฉลย

    ก — mean บอกท่าทางคงที่ std บอกการสั่น การหมุนช้า ๆ เปลี่ยนระดับเฉลี่ยของ az แต่แทบไม่ทำให้ค่าแกว่ง

  5. เรียงสายพานสร้าง log-mel spectrogram จากสัญญาณเสียงหนึ่งหน้าต่าง (เรียงลำดับ · เป้าหมายข้อ 4)

    • ก) FFT
    • ข) คูณ Hann window (x · w)
    • ค) log
    • ง) เอาขนาด |·|
    • จ) รวมเป็นย่าน Mel
    เฉลย

    ข → ก → ง → จ → ค — x·w → FFT → |·| → Mel → log ถ้าตอนฝึกกับตอนใช้บนบอร์ดทำขั้นเหล่านี้ไม่ตรงกัน ผลของโมเดลจะเพี้ยน

แล็บ

หัวข้อที่มีชื่อว่า “แล็บ”
  • คำนวณจำนวนหน้าต่างต่อวินาทีเมื่อ WIN = 50, HOP = 25 ที่ 50 Hz และเมื่อ HOP = 50
  • คำนวณ mean และ std ของหน้าต่าง [9.8, 9.8, 9.8, 9.8] กับ [7.8, 11.8, 7.8, 11.8] ด้วยมือ แล้วจดลงบันทึกการเรียน
  • เขียนสายพาน log-mel ทีละขั้นด้วยคำของคุณเอง พร้อมบอกว่าขั้นไหนเคยทำมาแล้วในบทเรียน 4.4

ไปต่อ

หัวข้อที่มีชื่อว่า “ไปต่อ”

บทเรียน 4.6 เราจะเติมไฟล์ s10_windowing.py ให้เก็บ buffer บีบ feature และเลื่อนหน้าต่างเอง

บทเรียนถัดไป: บทเรียน 4.6 — ลงมือทำ: feature vector จากหน้าต่างเลื่อน

สะท้อนคิด

หัวข้อที่มีชื่อว่า “สะท้อนคิด”
  • ถ้าต้องจำแนก “เดิน” กับ “วิ่ง” คุณคิดว่า feature ตัวไหนในหกตัวนี้ช่วยมากที่สุด และยังขาดอะไร
  • ทำไมการเปลี่ยนขนาดหน้าต่างหลังฝึกโมเดลแล้วจึงอันตราย

คำถามทบทวน

ลองตอบเองก่อน แล้วค่อยเปิดดูเฉลย

  1. WIN = 50, HOP = 25 ที่อัตราสุ่ม 50 Hz ได้ feature vector ใหม่กี่ชุดต่อวินาที (เป้าหมายข้อ 1)

    1. 1 ชุด
    2. 2 ชุด
    3. 25 ชุด
    4. 50 ชุด
    ดูเฉลย

    คำตอบ: B. 2 ชุด

    ได้ชุดใหม่ทุก HOP = 25 จุด ที่ 50 จุดต่อวินาทีจึงเป็น 2 ชุดต่อวินาที แต่ละชุดครอบคลุม 1 วินาทีและซ้อนกัน 50%

  2. ตั้ง HOP = WIN (ไม่ซ้อน) ความเสี่ยงหลักคืออะไร (เป้าหมายข้อ 2)

    1. หน่วยความจำเต็ม
    2. เหตุการณ์สั้นที่คร่อมรอยต่อระหว่างสองหน้าต่างอาจถูกแบ่งครึ่งจนโมเดลพลาด และได้ผลช้าลง
    3. std กลายเป็นลบ
    4. อัตราสุ่มเปลี่ยน
    ดูเฉลย

    คำตอบ: B. เหตุการณ์สั้นที่คร่อมรอยต่อระหว่างสองหน้าต่างอาจถูกแบ่งครึ่งจนโมเดลพลาด และได้ผลช้าลง

    การซ้อนทำให้ทุกจุดถูกครอบด้วยหน้าต่างมากกว่าหนึ่งอัน และได้ผลบ่อยขึ้น ไม่ซ้อนประหยัดแรงแต่ตอบช้าและพลาดง่าย

  3. หน้าต่าง [7.8, 11.8, 7.8, 11.8] มี mean และ std เท่าไร (เป้าหมายข้อ 3)

    1. mean 9.8, std 0
    2. mean 9.8, std 2.0
    3. mean 4.0, std 9.8
    4. mean 11.8, std 4.0
    ดูเฉลย

    คำตอบ: B. mean 9.8, std 2.0

    ค่าเฉลี่ย 9.8 ทุกจุดห่างจากค่าเฉลี่ย 2.0 std จึงเป็น 2.0 เทียบกับหน้าต่างนิ่ง [9.8, 9.8, 9.8, 9.8] ที่ std = 0 แม้ mean เท่ากัน

  4. หมุนบอร์ดช้า ๆ จากราบเป็นตั้ง feature ใดเปลี่ยนมากที่สุด (เป้าหมายข้อ 3)

    1. mean เพราะทิศของแรงโน้มถ่วงบนแกน Z เปลี่ยน ส่วน std ยังต่ำเพราะไม่มีการสั่น
    2. std เพราะบอร์ดเคลื่อนที่
    3. band3 เท่านั้น
    4. ไม่มี feature ใดเปลี่ยน
    ดูเฉลย

    คำตอบ: A. mean เพราะทิศของแรงโน้มถ่วงบนแกน Z เปลี่ยน ส่วน std ยังต่ำเพราะไม่มีการสั่น

    mean บอกท่าทางคงที่ std บอกการสั่น การหมุนช้า ๆ เปลี่ยนระดับเฉลี่ยของ az แต่แทบไม่ทำให้ค่าแกว่ง

  5. เรียงสายพานสร้าง log-mel spectrogram จากสัญญาณเสียงหนึ่งหน้าต่าง (เป้าหมายข้อ 4)

    1. FFT
    2. คูณ Hann window (x · w)
    3. log
    4. เอาขนาด |·|
    5. รวมเป็นย่าน Mel
    ดูเฉลย

    ลำดับที่ถูก: B. คูณ Hann window (x · w) → A. FFT → D. เอาขนาด |·| → E. รวมเป็นย่าน Mel → C. log

    x·w → FFT → |·| → Mel → log ถ้าตอนฝึกกับตอนใช้บนบอร์ดทำขั้นเหล่านี้ไม่ตรงกัน ผลของโมเดลจะเพี้ยน

อ้างอิงบทเรียนนี้

ถ้านำบทเรียนนี้ไปสอน ทำสไลด์ หรือทำเอกสารต่อ ให้อ้างอิงด้วยข้อความนี้ ถ้าดัดแปลงเนื้อหา ให้เติม (ดัดแปลง)ต่อท้ายชื่อบทเรียน

"feature และหน้าต่าง: สิ่งที่โมเดลเห็นจริง" จาก TESA Open Knowledge โดยสมาคมสมองกลฝังตัวไทย (Thai Embedded Systems Association: TESA) https://github.com/tesaiot/tesa-qualification-program สัญญาอนุญาต CC BY-NC 4.0

ข้อความอ้างอิงภาษาอังกฤษ: "Features and windowing: what the model actually sees" from TESA Open Knowledge by the Thai Embedded Systems Association (TESA), https://github.com/tesaiot/tesa-qualification-program, licensed under CC BY-NC 4.0

ลิงก์บทเรียน: https://tesaiot.github.io/tesa-qualification-program/courses/edge-ai-developer/m04-analysis/l05-features-and-windowing/

วิธีอ้างอิง TESA ฉบับเต็ม

TESA Open Knowledge · © 2026 สมาคมสมองกลฝังตัวไทย (TESA) · CC BY-NC 4.0

เนื้อหาเผยแพร่ภายใต้ CC BY-NC 4.0 นำไปใช้ต่อในงานที่ไม่ใช่เพื่อการค้าได้ โปรดอ้างอิงสมาคมสมองกลฝังตัวไทย (TESA) ทุกครั้ง · วิธีอ้างอิง TESA