NỀN TẢNG ĐĂNG KÝ TỐT NGHIỆP DÀNH CHO TÂN KHOA TÍCH HỢP HỌC MÁY ĐỂ KIỂM TRA TÍNH HỢP LỆ CỦA ẢNH CHÂN DUNG.

Abstract

Đề tài “Nền tảng đăng ký tốt nghiệp dành cho tân khoa tích hợp học máy để kiểm tra tính hợp lệ của ảnh chân dung” được thực hiện nhằm giải quyết vấn đề kiểm duyệt chất lượng ảnh chân dung một cách tự động, giảm tải công việc thủ công và nâng cao tính chính xác trong khâu đăng ký. Phương pháp thực hiện bao gồm hai phần chính: Website quản lý được xây dựng bằng Node.js, React và DynamoDB, tích hợp chức năng quản lý sự kiện, danh sách đăng ký, hiển thị và tải ảnh chân dung, cùng với các công cụ thống kê và xuất báo cáo. Hệ thống kiểm tra ảnh chân dung áp dụng mô hình học sâu YOLOv8 (phân loại 2 nhãn chân dung hợp lệ và vật che mặt) và mô hình kết hợp nhiều thuật toán phát hiện 10 loại lỗi phổ biến ( có nhiều hơn 2 người, mờ, vật che mặt, nền không phù hợp, cháy sáng…), sử dụng các ngưỡng phát hiện được tối ưu hóa để nâng cao độ chính xác. Kết quả thực nghiệm cho thấy mô hình YOLOv8 đạt Precision = 92,6%, F1- score = 91%, mAP@0.5 = 92,5%, và mAP@0.5:0.95 = 65,9%; mô hình kết hợp đạt độ chính xác cao ở các lỗi dễ nhận biết như có nhiều hơn 2 người trong ảnh (F1-score = 97,2%, Accuracy = 97,2%), nhưng vẫn hạn chế ở các lỗi khó như nền không hợp lệ, cháy sáng. Website hoạt động ổn định với đầy đủ chức năng quản lý, kiểm tra và thống kê, sẵn sàng áp dụng trong thực tế. Từ khóa: ảnh chân dung, kiểm tra ảnh, học sâu, nhận diện lỗi, YOLOv8, website quản lý