ỨNG DỤNG WSOL NHẬN DẠNG VÀ ĐỊNH VỊ TÀU THUYỀN

Abstract

Nhận dạng và định vị tàu thuyền tự động là thành phần quan trọng trong giám sát đường thủy nội địa, phục vụ quản lý giao thông, đánh giá an toàn và quy hoạch hạ tầng sông nước. Phần lớn hệ thống hiện có chỉ dừng ở phân loại loại tàu, chưa cung cấp thông tin vị trí, trong khi cách tiếp cận định vị truyền thống đòi hỏi nhãn không gian chi tiết như mặt nạ phân đoạn hoặc hộp giới hạn, vốn tốn kém khi triển khai quy mô lớn. Luận văn nghiên cứu ứng dụng Định vị đối tượng giám sát yếu (WSOL) cho bài toán nhận dạng và định vị tàu thuyền trên ảnh đường thủy nội địa, triển khai và so sánh bốn phương pháp trên cùng backbone EfficientNet-B3, gồm CAM và Grad-CAM++ hoàn toàn không dùng giám sát không gian, suy luận trực tiếp trên checkpoint phân loại M0, cùng với MTL-S10 và MTL-S20 áp dụng học đa nhiệm, bổ sung lần lượt 10% và 20% dữ liệu có mặt nạ giám sát. Bộ dữ liệu 7.007 ảnh tàu thuyền nội địa thu thập tại Việt Nam được kế thừa từ nghiên cứu trước của tác giả và được đánh giá trên 1.043 ảnh test qua 5 lần huấn luyện độc lập. Kết quả thực nghiệm cho thấy MTL-S20 đạt hiệu năng định vị cao nhất với IoU bằng 0,4681 cải thiện khoảng 7,4% so với CAM và 10,9% so với Grad-CAM++, hai phương pháp hoàn toàn dựa trên giám sát yếu. Chênh lệch giữa MTL-S10 và MTL-S20 chỉ khoảng 0,73%, trong khi mức cải thiện khi chuyển từ 0% lên 10% giám sát đạt tới 8,30%, cho thấy hiệu ứng lợi ích biên giảm dần rõ rệt và một tỉ lệ giám sát không gian nhỏ đã đủ mang lại phần lớn lợi ích. Phân tích theo hậu cảnh cho thấy hiệu suất định vị suy giảm nhất quán ở nền phức tạp trên cả bốn phương pháp. Phân tích theo lớp cho thấy mức cải thiện không đồng đều, trong đó các lớp tàu nhỏ và mảnh như Xuồng và Vỏ lãi vẫn là thách thức chung. Những kết quả này cung cấp cơ sở thực tiễn cho chiến lược gán nhãn tiết kiệm chi phí khi triển khai hệ thống định vị tàu thuyền trên quy mô lớn. Đề tài cũng đã hiện thực hóa toàn bộ pipeline thành ứng dụng di động VesselApp, cho phép người dùng chụp hoặc chọn ảnh tàu thuyền và nhận đồng thời nhãn phân loại cùng vùng định vị trực quan. Từ khóa: Định vị đối tượng giám sát yếu; Giám sát đường thủy; Nhận dạng tàu thuyền nội địa; Học đa nhiệm; Bản đồ kích hoạt lớp. Automatic vessel recognition and localization is an important component of inland waterway surveillance, supporting traffic management, safety assessment, and river infrastructure planning. Most existing systems, even those achieving high classification accuracy, are limited to identifying vessel types without providing information about their location in the image, while conventional localization approaches require detailed spatial annotations such as segmentation masks or bounding boxes, which are costly to produce at scale. This thesis investigates the application of Weakly Supervised Object Localization (WSOL) to the task of recognizing and localizing inland vessels in waterway images, aiming to obtain localization capability without relying entirely on full spatial supervision. Four methods are implemented and compared on the same EfficientNet-B3 backbone, including CAM and Grad-CAM++, which use no spatial supervision and perform inference directly on a pretrained classification checkpoint M0, together with MTL-S10 and MTLS20, which apply multi-task learning with 10% and 20% of the training data supplemented with segmentation masks. A real-world dataset of 7.007 inland vessel images collected along river routes in Vietnam, inherited from the author's previous study, is used for training and evaluation, with testing conducted on 1.043 images across five independent training runs. Experimental results show that MTL-S20 achieves the highest localization performance with an IoU of 0,4681, improving by approximately 7,4% over CAM and 10,9% over Grad-CAM++, the two methods relying solely on weak supervision. The gap between MTL-S10 and MTL-S20 is only about 0,73% compared to an 8,30% improvement when moving from 0% to 10% supervision, indicating a clear diminishing returns effect where a small amount of additional spatial supervision already captures most of the benefit. Background complexity analysis reveals a consistent performance drop in complex scenes across all four methods, while per-class analysis shows uneven improvement, with small and slender vessel classes such as Sampan and Long-tail boat remaining challenging for every method. These findings offer practical guidance for cost-effective annotation strategies when deploying large-scale vessel localization systems. The proposed pipeline has also been implemented as a mobile application called VesselApp, allowing users to capture or select vessel images and receive both classification labels and visual localization results. Keywords: Weakly Supervised Object Localization; Waterway Surveillance; Inland Vessel Recognition; Multi-Task Learning; Class Activation Mapping.