PHÁT TRIỂN WEBSITE CHIA SẺ HÌNH ẢNH CÓ CHỨC NĂNG PHÂN LOẠI ẢNH DÙNG HỌC SÂU

Abstract

Bối cảnh: Website chia sẻ hình ảnh sử dụng học sâu trong việc phân loại và đề xuất hình ảnh đã được các công ty lớn triển khai và đạt được thành công trong việc tạo ra trải nghiệm thoải mái và thuận tiện cho người dùng. Tuy nhiên, việc hiểu và xây dựng một website như vậy đặt ra những thách thức do chưa có tài liệu nào mô tả chi tiết và cho người đọc cái nhìn trực quan về quá trình thiết kế và phát triển. Mục tiêu: Phát triển website chia sẻ hình ảnh cung cấp trải nghiệm người dùng tối ưu và thuận tiện trong việc xem và tiếp cận những hình ảnh yêu thích. Phương pháp: Trong luận văn này, chúng tôi phát triển từng thành phần với các công nghệ tương ứng. Website chia sẻ hình ảnh sử dụng các ngôn ngữ HTML, CSS, JS, PHP và các framework Bootstrap, Laravel. Huấn luyện mô hình học sâu với ngôn ngữ lập trình Python, framework Tensorflow và bộ dữ liệu > 50.000 bức ảnh cho 45 chủ đề ảnh khác nhau. Tương tác giữa website và mô hình với Flask API. Khi người dùng tiến hành đăng tải hình ảnh, việc phân loại sẽ được tự động hóa và lưu vào CSDL. Từ những dữ liệu đã được phân loại đó, hệ thống đề xuất các ảnh tương tự với ảnh người dùng đang xem. Kết quả: Qua việc tìm hiểu lý thuyết và xây dựng demo thực tiễn, chúng tôi đã đạt được các kết quả đáng kể. Mô hình học sâu sử dụng TensorFlow được huấn luyện dựa trên nguồn dữ liệu lớn và phân loại đa dạng, đảm bảo khả năng phân loại chính xác đạt yêu cầu. Góp phần đảm bảo trải nghiệm người dùng được liền mạch giúp họ cảm giác được sự thoải mái và tiện lợi. Kết luận: Dựa trên những kết quả đạt được kể trên và quá trình phát triển, chúng tôi đã tạo ra một sản phẩm đáp ứng trải nghiệm người dùng và các yêu cầu chất lượng đặt ra ban đầu mặc dù đã gặp phải những thách thức do lần đầu tiếp cận công nghệ học sâu. Qua luận văn này, chúng tôi muốn nhấn mạnh các điểm sau: - Tích hợp Front-end và Back-end: Xây dựng front-end dựa trên các kiến thức UI/UX và Bootstrap tạo cho người dùng một giao diện thân thiện, dễ sử dụng. Back-end sử dụng PHP Laravel giúp dễ dàng quản lý các thành phần code và tích hợp các công nghệ khác. Khi hai thành phần này được tích hợp tốt với nhau sẽ tạo nên hiệu quả vận hành tốt. - Mô hình học sâu cho phân loại ảnh: Lựa chọn Python và framework Tensorflow giúp việc phát triển mô hình học sâu linh hoạt và mạnh mẽ do có thể tùy chỉnh mọi khía cạnh của mô hình, từ quá trình tiền xử lý ảnh, huấn luyện cho đến triển khai. Bên cạnh đó, còn có các thư viện hỗ trợ phù hợp với yêu cầu. Và đây cũng là lựa chọn phổ biến hiện tại. - Tương tác qua Flask API: Flask API đã chứng minh vai trò quan trọng trong việc kết nối website và mô hình học sâu, tạo ra quá trình tự động phân loại hình ảnh một cách hiệu quả và nhanh chóng.