Please use this identifier to cite or link to this item: https://dspace.ctu.edu.vn/jspui/handle/123456789/85079
Title: PHÁT HIỆN VÀ NHẬN DIỆN RÁC THẢI TRÊN ĐƯỜNG PHỐ BẰNG FASTER R-CNN
Other Titles: DETECT AND RECOGNIZE STREET LITTER USING FASTER R-CNN
Authors: Lưu, Tiến Đạo
Nguyễn, Công Hậu
Keywords: KHOA HỌC MÁY TÍNH
Issue Date: 2022
Publisher: Trường Đại Học Cần Thơ
Abstract: Việc rác thải nằm rải rác trên các tuyến đường phố đang là hiện trạng khá phổ biến hiện nay đối với nhiều quốc gia và khu vực, trong đó có Việt Nam. Gây ảnh hưởng nhiều đến hệ sinh thái đường phố, vẻ mỹ quan đô thị và sức khỏe của con người. Cùng với sự tiến bộ vượt bậc của công nghệ, phổ biến là trí tuệ nhân tạo và cụ thể là lĩnh vực thị giác máy tính, học sâu. Bài toán phát hiện vật thể giúp con người tiết kiệm được thời gian, công sức, tiền bạc và được áp dụng trong rất nhiều lĩnh vực như giao thông, y học, … Vì vậy, việc áp dụng bài toán này vào việc phát hiện rác thải trên đường phố phần nào giúp nhận biết và đánh giá mật độ rác thải của khu vực để giúp cơ quan chức năng đưa ra những giải pháp phù hợp là điều cần thiết. Hiện đang có rất nhiều thuật toán hỗ trợ phát hiện vật thể. Mỗi phương pháp đều có ưu điểm và hạn chế riêng, cần thiết cho một bài toán cụ thể. Hai phương pháp phổ biến nhất hiện nay là họ các mô hình CNN và YOLO. Đề tài so sánh hai mô hình bao gồm mô hình Faster R-CNN với ResNet50 và FPN làm kiến trúc CNN và mô hình YOLOv7. Kết quả thu được với độ chính xác của mô hình Faster R-CNN trên tập kiểm thử là 57,829% vượt trội hơn so với YOLOv7 với 44%, thời gian phát hiện và nhận diện rác thải trên mỗi tấm ảnh ở mô hình Faster R-CNN là 5s – 6s, YOLOv7 là 8s – 10s. Sau đó, áp dụng mô hình Faster R-CNN tiến hành xây dựng một trang web bằng khung phần mềm Flask của Python cho phép đọc vào hình ảnh từ tập tin và xuất hình ảnh đã được mô hình dự đoán những vật thể nào trong ảnh là rác thải.
Description: 62 Tr
URI: https://dspace.ctu.edu.vn/jspui/handle/123456789/85079
Appears in Collections:Trường Công nghệ Thông tin & Truyền thông

Files in This Item:
File Description SizeFormat 
_file_
  Restricted Access
3.5 MBAdobe PDF
Your IP: 3.80.129.195


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.