PHÁT HIỆN VÀ PHÂN LOẠI ĐỐI TƯỢNG VỚI MẠNG NƠ RON TÍCH CHẬP

Abstract

Trong lĩnh vực thị giác máy tính có rất nhiều chủ đề, bài toán mà con người vẫn đang cố gắng tối ưu như: phân loại (classification ), phát hiện đối tượng (object detection), nhận dạng đối tượng (object recognition), phân đoạn hình ảnh theo ngữ nghĩa (image semantic segmentation), chuyển kiểu – chuyển phong cách của bức ảnh (style transfer)... Phát hiện và nhận dạng đối tượng là những nhiệm vụ cốt lõi trong thị giác máy tính, bao gồm xác định vị trí trên hình ảnh nơi có một số đối tượng nhất định, cũng như gán nhãn cho các đối tượng đó. Năm 2015, mô hình YOLO (You Only Look Once) ra đời có cải tiến so với các mô hình họ R-CNN trước đó và hoạt động trong một mạng nơ-ron duy nhất. YOLO Là một trong những mô hình phát hiện đối tượng tốt nhất ở thời điểm hiện tại. Dù đều được gọi là YOLO nhưng các phiên bản của mô hình này đều có những cải tiến rất đáng kể sau mỗi phiên bản. Sau ba phiên bản của tác giả chính Joseph Redmon là YOLOv1 đến v3, tính đến thời điểm hiện tại có thêm một bài báo về phiên bản thứ 4 YOLOv4 của Alexey Bochkovskiy được dẫn nguồn trực tiếp từ kho dữ liệu gốc của Joseph Redmon và YOLOv5 là phiên bản mới nhất không được phát triển bởi tác giả gốc của YOLO. Tuy nhiên, hiệu suất của YOLOv5 cao hơn YOLOv4 về cả độ chính xác và tốc độ. Luận văn này nghiên cứu về kỹ thuật phát hiện và phân loại đối tượng với mạng nơ-ron tích chập sử dụng mô hình YOLOv5 trên nền tảng Google Colab để triển khai phát hiện đối tượng trong tập dữ liệu văn hóa phi vật thể Việt Nam tại vùng đồng bằng Sông Cửu Long, chứa hơn 7000 hình ảnh bản sắc văn hóa dân tộc. Cuối cùng, mô hình YOLOv5 sẽ được đánh giá và tùy chỉnh cấu hình lại để cải thiện dựa trên kết quả phát hiện.