การออกแบบระบบฝึกสอนโมเดล (Model Training Design)

เอกสารนี้ตอบคำถามว่า โมเดลถูกสร้างและอัปเดตอย่างไร ครอบคลุมวงจรชีวิตของ AI ในการเทรน การปรับปรุงอย่างต่อเนื่อง และการนำขึ้นระบบ

1. ภาพรวมของระบบ Training

ระบบถูกออกแบบเพื่อรองรับกระบวนการเตรียมข้อมูล การฝึกสอน (Training) การวัดผล และการแปลงโมเดลให้อยู่ในรูปแบบที่พร้อมใช้งาน โดยรองรับทั้งการเทรนรอบแรก (Initial Training) และการเรียนรู้เพิ่มเติม (Incremental Learning) ในอนาคต

2. Dataset Design

• การคัดเลือกชุดข้อมูลภาพ (Dataset) ที่ประกอบไปด้วยภาพปกติและภาพตัดต่อ (Forged) หรือชุดข้อมูลมาตรฐาน (CASIA, IMD2020)
• การกำหนดโครงสร้าง Annotation ในรูปแบบ Segmentation Mask (ภาพขาวดำที่ชี้จุดดัดแปลง) เพื่อสอน AI ในระดับพิกเซล

3. Data Preprocessing

• การทำความสะอาดข้อมูล: การจัดระเบียบโครงสร้างโฟลเดอร์ให้สอดคล้องกับ Dataloader
• Data Augmentation: ใช้เทคนิคต่างๆ เช่น RandomResize, RandomCrop, RandomFlip และที่สำคัญคือ PhotoMetricDistortion (ปรับแต่งแสง/สี) เพื่อให้โมเดลทนทานต่อการแต่งแสงหลอก
• การแบ่งชุดข้อมูลเป็น Train / Validation / Test Set แบบ stratified 80:10:10 (คงสัดส่วน class แท้/ปลอม และแหล่งข้อมูลทุกชุด, กำหนด seed คงที่, test set ถูก freeze ห้ามนำมา tune)

4. Initial Training

• การนำน้ำหนักเริ่มต้น (Pre-trained Weights) ของโมเดล SegFormer มาใช้งานเพื่อย่นระยะเวลาการเรียนรู้
• การสอนบนชุดข้อมูลหลักทั้งหมด (Base Dataset) เพื่อปรับพื้นฐานโมเดลให้รู้จักลักษณะของรอยตัดต่อดิจิทัล

5. Fine-tuning

• การปรับจูนโมเดลกับชุดข้อมูลภาพหลอกลวงแบบเฉพาะเจาะจง
• ใช้ค่า Learning Rate ที่ต่ำลงกว่ารอบแรกเพื่อค่อย ๆ ปรับน้ำหนักโดยไม่ทำลายความรู้เดิม

6. Incremental Fine-tuning

• การอัปเดตโมเดลตามรอบทบทวน retrain: ทุก 30 วัน หรือเมื่อมีภาพกลโกงชนิดใหม่ที่ approved + research-consented สะสม ≥ 500 ภาพ (แล้วแต่เงื่อนไขใดถึงก่อน) — เป็นการเรียนรู้ต่อเนื่องโดยไม่ต้องเริ่มต้นเทรนใหม่ทั้งหมดจากศูนย์

7. Parameter-wise Fine-tuning

• การกำหนดอัตราการเรียนรู้ (Learning Rate) แยกตามชิ้นส่วนโมเดล เพื่อรักษาฟีเจอร์เดิมแต่ยังปรับตัวเข้ากับโดเมนใหม่ได้
• Backbone (MiT Encoder): ปรับตัวช้าๆ (lr_mult=0.1) เพื่อไม่ให้ลืมความรู้การมองภาพรวม
• Decode Head (SegFormer Head): เรียนรู้อย่างรวดเร็ว (lr_mult=10.0) เพื่อจับรอยตัดต่อ

8. Replay Dataset

• กลยุทธ์การนำรูปภาพส่วนหนึ่งจากฐานข้อมูลดั้งเดิมมาผสมกับข้อมูลชุดใหม่ในระหว่างการทำ Incremental Training
• เพื่อป้องกันปัญหา Catastrophic Forgetting (การที่ AI ลืมวิธีตรวจจับกลโกงแบบเก่า หลังจากเรียนรู้กลโกงแบบใหม่)

9. Validation

• การประเมินผลระหว่างการเทรนในแต่ละรอบ (Epoch) ด้วยชุดข้อมูล Validation Set
• คอยตรวจสอบค่า Loss เพื่อดูพัฒนาการของโมเดลว่าไม่ได้กำลังจดจำคำตอบ (Overfitting)

10. Model Evaluation

• การวัดผลประสิทธิภาพบน Test Set เพื่อคัดเลือกโมเดลที่ดีที่สุด ด้วยมาตรวัด (Metrics) เช่น:
  • IoU (Intersection over Union): วัดความทับซ้อนของพื้นที่ตรวจพบเทียบกับพื้นที่จริง
  • mDice: การหาความสมดุลระหว่างความแม่นยำและความครอบคลุม
  • mIoU: ค่าเฉลี่ย IoU ของทุกคลาส โดย IoU วัดสัดส่วนพื้นที่ซ้อนทับระหว่าง mask ที่ทำนายกับ ground truth ต่อพื้นที่รวม (intersection / union); ไม่ใช่สัดส่วนพิกเซลที่ทายถูกทั้งหมด (pixel accuracy)

ผลการเทรน v1.0.5 (config segformer_mit-b2-v10.py): fine-tune จาก checkpoint v1.0.0 (best_mIoU_iter_112000.pth) ครบ 200,000 iters (จบ 2026-09-12) ได้ best validation mIoU 91.31 / mDice 95.29 @iter 197,500 และเป็นอันดับหนึ่งบน locked common test (scamguard-locked-multisource-test-v1) ด้วย mIoU 91.24 / Forgery IoU 83.51 — เป็น candidate ดีที่สุด แต่ Production ยังคงเป็น v1.0.0 (ดู concepts/ai-model-segformer)

ผลรายเวอร์ชัน (Test Case ระดับโมเดล)

ตารางที่ 1 — คะแนน validation ตอนเทรน (ที่มา: model/segformer/tests_model/report/reportmodel.md §ตาราง best mIoU):

ตารางที่ 2 — Locked common test (scamguard-locked-multisource-test-v1, รัน 2026-09-15, ที่มา: reportmodel.md §1):

11. Hyperparameters & Hardware Optimization

• VRAM Optimization: ใช้ AmpOptimWrapper (Mixed Precision) เพื่อลดการใช้หน่วยความจำ ทำให้เทรนบนอุปกรณ์ที่มี VRAM จำกัดได้อย่างเต็มประสิทธิภาพ
• Optimizer & Scheduler: ใช้ AdamW ร่วมกับ LinearLR (Warmup) และ PolyLR
• Loss Function: ใช้ Binary Cross-Entropy Loss (BCE) ควบคู่กับ DiceLoss (use_sigmoid=True) เพื่อแก้ปัญหา Class Imbalance (พื้นที่รอยปลอมแปลงเล็กมากเมื่อเทียบกับพื้นหลัง — canonical ตรงกับ design/training.md และ Document/model/training.md)
• บทเรียนจาก config v10 (segformer_mit-b2-v10.py, โมเดล v1.0.5): ชุดข้อมูล clean tree ฝั่ง PNG lossless (img_suffix='.png', 7 แหล่ง: casia/authentic/splicing/inpainting/copymove/face/imd2020 รวมเป็น ConcatDataset ทั้ง val และ test) — class_weight=[1.0, 2.5] + DiceLoss loss_weight=1.5 — batch 8 + accumulative_counts=2 (effective 16 บน VRAM 8GB) — งบ 200,000 iters + save_best='mIoU' (ดู concepts/configs)

12. Checkpoint & Version Management

• การจัดเก็บสถานะน้ำหนักโมเดล (Model State Dict) ทุกครั้งที่มีผลลัพธ์ที่ดีขึ้นบน Validation Set เป็นไฟล์นามสกุล .pth หรือ .pt
• Automated Version Increment: ระบบมีการจัดการเวอร์ชันของโมเดลอัตโนมัติ (เช่น v1.0.1, v1.1.0) โดยจะเข้าไปอ่านประวัติการเทรนใน work_dirs เพื่อหาเวอร์ชันที่สูงที่สุด แล้วบวกเพิ่ม 1 ให้เสมอ ช่วยป้องกันการเขียนทับผลรันรอบก่อนหน้า และรับประกันว่าจะไม่มีการย้อนกลับไปใช้เลขเวอร์ชันเดิมที่น้อยกว่า

13. Export ONNX

• ขั้นตอนการนำไฟล์ Checkpoint (.pth) ที่ดีที่สุด มาแปลงร่าง (Export) ให้อยู่ในฟอร์แมต ONNX
• ช่วยเพิ่มความเร็วในการทำ Inference ลดการพึ่งพาไลบรารีขนาดใหญ่ในฝั่ง Backend

14. Model Deployment

• กระบวนการนำไฟล์ ONNX และไฟล์การตั้งค่าที่เกี่ยวข้อง (Config) จัดเก็บลงใน Model Registry หรือส่งต่อให้ API Server

15. Hot Reload

• กลไกของฝั่ง Backend Server ในการโหลดไฟล์โมเดลเวอร์ชันใหม่เข้าสู่ระบบ และนำไปใช้ประมวลผลคำขอใหม่ทันที โดยไม่ต้องปิด/เปิด Server ใหม่ (Zero-downtime)

16. Rollback

• แผนสำรองในการปรับย้อน (Revert) ไปใช้งานโมเดลเวอร์ชันก่อนหน้าทันที หากพบว่าโมเดลตัวใหม่สร้างผลลัพธ์ผิดพลาด (False Positive) อย่างรุนแรงในสภาพแวดล้อมจริง (Production)

17. Training Workflow

• ภาพรวมผังงาน (Workflow) แบบอัตโนมัติ (เช่น MLOps หรือ CI/CD สำหรับ AI) เพื่อจัดการตั้งแต่ การรับข้อมูลชุดใหม่ -> การทดสอบการเทรน -> การแพ็กเกจจิ้งไฟล์ -> จนถึงการ Deploy อย่างเป็นระบบ