NGHIÊN CỨU VÀ SO SÁNH MỘT SỐ THUẬT TOÁN ĐỂ PHÁT HIỆN VÀ LẦN VẾT ĐỐI TƯỢNG

La, Nhật Tân; Phan, Hồng Chương

Please use this identifier to cite or link to this item: https://dspace.ctu.edu.vn/jspui/handle/123456789/86801

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Trương, Quốc Bảo	-
dc.contributor.author	La, Nhật Tân	-
dc.contributor.author	Phan, Hồng Chương	-
dc.date.accessioned	2023-04-27T08:20:16Z	-
dc.date.available	2023-04-27T08:20:16Z	-
dc.date.issued	2022-05	-
dc.identifier.uri	https://dspace.ctu.edu.vn/jspui/handle/123456789/86801	-
dc.description	77 trang	vi_VN
dc.description.abstract	Theo dõi và lần vết đối tượng là một phần quan trọng trong nhiều ứng dụng của lĩnh vực thị giác máy tính như giám sát và bảo mật, phân luồng giao thông, kiểm tra và vận hành băng chuyền sản phẩm,… Nghiên cứu này thực hiện để đề xuất một phương pháp theo dõi đối tượng với hiệu suất và độ chính xác cao, đồng thời phân tích và đánh giá các kiến trúc của các thuật toán theo dõi và lần vết để thực hiện và lựa chọn mô hình phù hợp cho các ứng dụng khác nhau. Đối tượng nghiên cứu và so sánh bao gồm các phương pháp theo dõi và lần vết không ứng dụng mạng học sâu (thuật toán KCF) và phương pháp có ứng dụng mạng học sâu, cụ thể là mạng học sâu YOLOv5. Từ việc so sánh, đánh giá các phương pháp trên tập dữ liệu OTB-100 với 56748 ảnh huấn luyện và 4430 ảnh nhận dạng với các tiêu chí đánh giá chính là: độ chồng lấp và khoảng cách giữa hai tâm của vị trí dự đoán và ground truth. Kết quả nghiên cứu đã chứng minh được rằng, mạng học sâu YOLOv5 có hiệu suất và độ chính xác so với các thuật toán khác với độ chính xác và độ thành công khi phát hiện đạt được lần lượt là 81.7% và 69.8%.	vi_VN
dc.description.tableofcontents	Lời cảm tạ i Tóm tắt ii Abstract iii Lời cam đoan iv Danh mục hình vi Danh mục bảng vii Danh mục từ viết tắt viii Chương 1: TỔNG QUAN VỀ ĐỀ TÀI 1 1.1 Giới thiệu về đề tài 1 1.1.1 Giới thiệu về object tracking 1 1.1.2 Phương pháp lần vết đối không sử dụng mạng nơron học sâu 2 1.1.3 Phương pháp lần vết đối tượng ứng dụng mạng học sâu 3 1.2 Mục tiêu, phương pháp, nội dung và phạm vi thực hiện đề tài 5 1.2.1 Mục tiêu đề tài 5 1.2.2 Phương pháp thực hiện 5 1.2.3 Phạm vi thực hiện đề tài 6 1.3 Tiêu chuẩn so sánh và đánh giá 6 1.3.1 Giới thiệu về tiêu chuẩn đánh giá OTB-100 6 1.3.2 Các hướng tiếp cận của tập dữ liệu OTB-100 7 Chương 2: CƠ SỞ LÝ THUYẾT 8 2.1 Phương pháp đánh giá thuật toán 8 2.1.1 Giới thiệu 8 2.1.2 Phương pháp đánh giá (Evaluation Methodology) 8 2.2 Cơ sở lý thuyết thuật toán KCF 11 2.2.1 Tổng quan về thuật toán KCF 11 2.2.2 Hướng tiếp cận của thuật toán KCF 12 2.2.3 Các nghiên cứu có liên quan đến thuật toán KCF 13 2.3 Tổng quan về lý thuyết mạng nơ ron 18 2.3.1 Giới thiệu về cấu trúc một mạng nơ ron 18 2.3.2 Hàm kích hoạt (Activation Function) 19 2.3.3 Đồ thị hàm Sigmoid 20 Chương 3: PHÂN TÍCH CHI TIẾT CÁC KIẾN TRÚC 25 3.1 Đánh giá và lựa chọn thuật toán không ứng dụng mạng học sâu 25 3.1.1 Kết quả đánh giá 25 3.1.2 So sánh và kết luận 35 3.2 Phân tích kiến trúc thuật toán KCF 36 3.2.1 Trích xuất đặc trưng HOG 36 3.2.2 Linear Ridge Regression 41 3.2.3 Cyclic shift 42 3.2.4 Circulant Matrix 43 3.2.5 Tổng hợp các phần 44 3.2.6 Correlation Filter (Bộ lọc tương quan) 45 3.2.7 Kernel Trick 46 3.3 Phân tích chi tiết kiến trúc mạng học sâu YOLOv5 47 3.3.1 Tổng quan 47 Chương 4: XÂY DỰNG CÔNG CỤ PHÁT HIỆN VÀ LẦN VẾT ĐỐI TƯỢNG 4.1 Sử dụng tập dữ liệu OTB-100 55 4.2 Xây dựng phương pháp đánh giá thuật toán 56 4.2.1 Tạo video từ tập dữ liệu 56 4.2.2 Đọc và lưu kết quả dự đoán 57 4.2.3 Xác định Precision Plot và Success Plot 57 4.2.4 Lưu đồ thực hiện 57 4.3 Thực hiện huấn luyện mạng YOLOv5 60 4.3.1 Gán nhãn cho tập dữ liệu 60 4.3.2 Training model 61 4.3.3 Đánh giá kết quả training 62 4.3.4 Thu thập kết quả tracking 65 Chương 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 67 5.1 Kết quả 67 5.1.1 Kết quả từ thuật toán KCF 67 5.1.2 Kết quả từ mạng học sâu YOLOv5 68 5.2 So sánh và đánh giá 70 5.3 Kết luận và định hướng nghiên cứu tiếp theo 77	vi_VN
dc.language.iso	vi	vi_VN
dc.publisher	Trường Đại Học Cần Thơ	vi_VN
dc.subject	Kỹ thuật điều khiển & tự động hóa	vi_VN
dc.title	NGHIÊN CỨU VÀ SO SÁNH MỘT SỐ THUẬT TOÁN ĐỂ PHÁT HIỆN VÀ LẦN VẾT ĐỐI TƯỢNG	vi_VN
dc.type	Thesis	vi_VN
Appears in Collections:	Trường Bách khoa

Files in This Item:

File	Description	Size	Format
_file_ Restricted Access		3.34 MB	Adobe PDF
Your IP: 18.221.230.76

Show simple item record

LRC Digital repo

DSpace preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets