PHÂN LOẠI CÁ NƯỚC NGỌT VỚI MÔ HÌNH VISION TRANSFORMER

Abstract

Trong những năm gần đây, sự phát triển của trí tuệ nhân tạo (AI) và các mô hình học sâu đã mở ra nhiều hướng đi mới trong việc nhận dạng và phân loại hình ảnh. Các mô hình mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) đã chứng minh hiệu quả cao trong các bài toán nhận diện và phân loại hình ảnh. Tuy nhiên, với sự xuất hiện của Vision Transformer (ViT) - một kiến trúc mới dựa trên Transformer, vốn đã thành công trong xử lý ngôn ngữ tự nhiên - việc áp dụng ViT vào lĩnh vực thị giác máy tính đang mở ra những triển vọng đầy hứa hẹn. Vision Transformer không chỉ mang lại độ chính xác cao mà còn có khả năng xử lý các đặc trưng phức tạp trong ảnh, giúp cải thiện hiệu quả phân loại các loài sinh vật dưới nước, đặc biệt là các loài cá nước ngọt có hình dạng tương đồng. Chính vì thế đề tài “Phân loại cá nước ngọt với mô hình Vision Transformer” áp dụng mô hình Vision Transformer để xây dựng hệ thống phân loại cá nước ngọt trên tập dữ liệu bao gồm 10 loài cá: cá rô, cá chép, cá trắm cỏ, cá tra, cá trôi, cá chép, cá lóc, cá sặc 3 chấm, cá rô phi, cá chép nam á, cá mè cho phép nhận hình ảnh đầu vào là một hình ảnh về cá nước ngọt đã đem ra khỏi môi trường nước và trả về kết quả phân loại loài cá nước ngọt kèm theo thông tin về loài cá đó. Mô hình đạt độ chính xác 93% khi finetune mô hình ViT. Xây dựng thành ứng dụng di động đơn giản có chức năng phân loại và trả về thông tin về loài cá nước ngọt đã phân loại.