ĐỀ XUẤT VÀ ỨNG DỤNG CÁC MÔ HÌNH HỌC SÂU VGG16, CONVNEXT V2 VÀ ALEXNET TRONG HỆ THỐNG PHÂN LOẠI VÀ TRUY TÌM ẢNH TƯƠNG ĐỒNG TỪ TÀI LIỆU HỌC THUẬT

Abstract

Trong bối cảnh nguồn học liệu số ngày càng mở rộng và đa dạng, việc phát hiện hình ảnh trùng lặp trong tài liệu học thuật trở thành một yêu cầu quan trọng nhằm đảm bảo tính nguyên bản và hỗ trợ quản lý nội dung hiệu quả. Đề tài này tập trung vào việc nghiên cứu và ứng dụng các mô hình học sâu để phát hiện hình ảnh tương tự trong nguồn học liệu số, hướng đến mục tiêu nâng cao độ chính xác và khả năng áp dụng trong môi trường giáo dục và nghiên cứu. Hướng tiếp cận được lựa chọn là ứng dụng mạng nơ-ron tích chập, với ba kiến trúc phổ biến gồm AlexNet, VGG16 và ConvNeXt V2. Các mô hình được áp dụng theo quy trình gồm: tiền xử lý ảnh, phân loại, trích xuất đặc trưng ảnh và tính toán độ tương đồng dựa trên các hàm đo khoảng cách và đánh giá mức độ trùng lặp giữa các cặp ảnh. Đồng thời, một hệ thống thử nghiệm đơn giản cũng được triển khai nhằm kiểm tra hiệu quả của giải pháp và hỗ trợ thao tác từ phía người dùng. Kết quả ban đầu cho thấy các mô hình học sâu có khả năng nhận diện được nhiều trường hợp ảnh tương tự, kể cả khi có sự thay đổi về kích thước, màu sắc hoặc bố cục. Việc sử dụng mô hình tiền huấn luyện giúp rút ngắn thời gian huấn luyện và tận dụng được đặc trưng tổng quát từ các tập dữ liệu lớn. Tuy nhiên, hiệu quả còn phụ thuộc vào đặc điểm của tập dữ liệu và cần được kiểm chứng thêm trong các điều kiện thực tế đa dạng hơn. Đề tài góp phần khảo sát khả năng áp dụng mô hình học sâu vào bài toán phát hiện ảnh tương tự trong học liệu số, đồng thời cung cấp một hệ thống thử nghiệm để hỗ trợ đánh giá bước đầu các giải pháp kỹ thuật được đề xuất.