ADAPTIVE R-PURIFYNET: PHÂN LOẠI HIỆU QUẢ ẢNH DI SẢN VĂN HÓA KẾT HỢP MCTS VÀ CƠ CHẾ DỪNG SỚM

Abstract

Trong kỷ nguyên chuyển đổi số, việc tự động phân loại và nhận dạng ảnh di sản văn hóa đóng vai trò quan trọng trong công tác bảo tồn và quảng bá giá trị lịch sử. Tuy nhiên, các mạng học sâu truyền thống với cấu trúc tĩnh thường gặp phải vấn đề bùng nổ tham số khi tăng độ sâu, lãng phí tài nguyên tính toán cho các mẫu dễ nhận diện, và đặc biệt dễ bị khuếch đại nhiễu. Nhằm khắc phục những hạn chế này, luận văn đề xuất kiến trúc Adaptive R-PurifyNet hướng tới việc học biểu diễn hiệu quả. Phương pháp đề xuất sử dụng Đơn vị Fractal nhánh kép với cơ chế chia sẻ trọng số nhằm tối ưu hóa lượng tham số, kết hợp cùng cơ chế Ngưỡng mềm thích ứng để chủ động lọc bỏ tín hiệu nhiễu. Điểm đột phá của kiến trúc là việc tích hợp mạng Q-Head song tuyến tính được huấn luyện dưới sự hướng dẫn của thuật toán Monte Carlo Tree Search nhằm kích hoạt Thời gian tính toán thích ứng, cho phép mô hình tự động dừng quá trình suy luận sớm tùy thuộc vào độ khó của bức ảnh. Kết quả thực nghiệm trên bộ dữ liệu VN-CH và các tập dữ liệu chuẩn (CIFAR-10/100) cho thấy Adaptive R-PurifyNet đạt hiệu quả vượt trội. Cụ thể, cấu hình ResNet-50 + RPB-Q đạt độ chính xác 94.65% trên VN-CH, đồng thời giảm từ 25% đến 47% số lượng tham số so với các đầu phân loại tĩnh truyền thống. Đặc biệt, kiến trúc giúp cải thiện mạnh mẽ độ chính xác trên các mạng nhẹ (tăng gần 24% đối với MobileNetV3-Small) và khắc phục thành công hiện tượng suy thoái đặc trưng biểu diễn ở các mạng rất sâu. Bên cạnh đó, đề tài cũng đã triển khai một hệ thống web thực tế nhằm trực quan hóa quá trình phân loại và minh họa rõ nét cơ chế dừng sớm thích ứng của mô hình. In the era of digital transformation, automatic image classification of cultural heritage plays a crucial role in cultural preservation and promotion. However, tra- ditional deep learning networks with static architectures often suffer from param- eter explosion when increasing depth, waste computational resources on easy-to- recognize samples, and are highly susceptible to noise amplification caused by the physical degradation of heritage artifacts. To overcome these limitations, this thesis proposes Adaptive R-PurifyNet, a novel architecture for efficient represen- tation learning. The proposed method utilizes a Dual-Branch Fractal Unit with weight-sharing to reduce the parameter footprint, combined with an Adaptive Soft- Thresholding mechanism for active noise filtering. Crucially, the architecture inte- grates a Bilinear Q-Head network guided by Value-based Monte Carlo Tree Search to enable Adaptive Computation Time, allowing the model to dynamically halt the inference process early based on the sample’s difficulty. Experimental results on the collected VN-CH dataset and standard benchmarks (CIFAR-10/100) demon- strate that Adaptive R-PurifyNet achieves superior performance. Specifically, the ResNet-50 + RPB-Q configuration achieves an accuracy of 94.65% on VN-CH while reducing the parameter count by 25% to 47% compared to traditional MLP heads. Notably, the architecture significantly boosts the accuracy of lightweight models (e.g., an increase of nearly 24% for MobileNetV3-Small) and effectively mitigates the degradation problem in very deep networks. Furthermore, a web- based application is deployed to practically demonstrate the classification process and visualize the adaptive halting mechanism.