TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN ĐỢI HỌC ĐIỆn Lực ELECTRIC POWER UNiVERSỈTY ĐÊ TÀI: : LƯU TÙNG LINH BÁO CÁO CHUYÊN ĐÊ HỌC PHÂN Sinh viên thực BÙI XUÂN HÙNG HỌC MÁY NÂNG CAO ĐINH TIẾN ĐÔNG NHẬN DIỆN BIỂN SỐ XE : PHẠM THỊ KIM DUNG : CÔNG NGHỆ THÔNG TIN Giảng viên hướng dẫn : CÔNG NGHỆ PHÂN Ngành MÊM Chuyên ngành : D13CNPM7 Lớp : 2018-2023 Khóa Hà Nội, 26 tháng 02 năm 2022 PHIẾU CHẤM ĐIỂM Sinh viên thực hiện: Họ tên Chữ ký Ghi Lưu Tùng Linh (188100310591) Bùi Xuân Hùng (18810310603) Đinh Tiến Đông (18810310593) Giảng viên chấm: Họ tên Chữ ký Giảng viên chấm 1: Giảng viên chấm 2: MỤC LỤC Ghi Điểm CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY 1 Tổng quan học máy 1.1 Khái niệm học máy 1.2 Các phương pháp học máy 1.2.1 Học có giám sát 1.2.2 Học không giám sát 1.2.3 Học máy bán giám sát 1.2.4 Học máy tăng cường 1.3 Ứng dụng học máy CHƯƠNG 2: BÀI TOÁN NHẬN DIỆN BIỂN SỐ XE Giới thiệu toán .7 1.1 Đặt vấn đề 1.2 Mô tả 1.3 Yêu cầu toán .7 1.4 Phân tích tốn .8 Môi trường thực nghiệm 2.1Cài đặt môi trường python Xây dựng giới thiệu mơ hình 3.1Mơ hình Yolov4 .8 3.2 Module PaddleOCR 3.3 Xây dựng mơ hình 10 3.3.1 Tiến hành Crawl liệu 10 3.3.2 Gán nhãn liệu qua Labelimg 11 3.3.4 Tiến hành train Model Yolo .12 3.3.5 Kết sau train YOLO 13 3.3.6 Cắt vùng ảnh chứa biển số xe dựa vào tọa độ xác định sau train model 14 3.3.7 Sử dụng PaddleOCR để đọc kí tự biển số cắt .14 3.4 Giao diện sử dụng 15 KẾT LUẬN 16 LỜI MỞ ĐẦU Những năm gần với phát triển vượt bậc công nghệ thông tin “Machine Learning” cụm từ người ý đến với khả tự học hỏi cách nhanh chóng có lượng liệu định với thuật toán phù hợp “Machine learning” cụm từ người ý đến với khả tự học hỏi cách nhanh chóng có liệu định với thuật toán phù hợp Hiện nay, nhiều người ý quan tâm đến Machine learning thành tích đáng kể mà đem lại cho người, ví dụ người gia tăng dung lượng lưu trữ loại liệu sẵn, việc xử lý tính tốn có chi phí thấp hiệu nhiều lần mang lại độ xác cao Ngồi ra, Machine learning thay người số công việc kiểm sốt đèn, phương tiện giao thơng hay thiết kết bãi đỗ xe thơng minh, Chính hiệu cơng việc lợi ích mà Marchine Learrning đem lại cho người em định chọn đề tài: “Nhận diện biển số xe” CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY Tổng quan học máy 1.1 Khái niệm học máy Hình 1.1: Minh họa học máy - Học máy hay máy học có tên tiếng Anh đầy đủ Machine Learning, viết tắt ML Thuật tốn Machine Learning chương trình máy tính có khả học hỏi hồn thành nhiệm vụ, đồng thời cách để cải thiện hiệu suất theo thời gian vô hiệu - Học máy cơng nghệ phát triển từ trí tuệ nhân tạo - Ngồi ra, Machine Learning cịn biết cịn cơng nghệ phát triển từ lĩnh vực trí tuệ nhân tạo tiên tiến Để đảm bảo khơng có sai lệch khơng xuất liệu giả, Machine Learning cần trình tìm hiểu lựa chọn kỹ thuật phân tích liệu từ người - Học máy ngày mang tính phổ biến tồn giới Sự tăng trưởng vượt bậc liệu lớn (Big Data) thuật tốn Machine Learning cải thiện độ xác mơ hình dự đốn tương lai 1.2 Các phương pháp học máy Có loại học máy học có giám sát (supervised learning) học khơng giám sát (unsupervised learning) 1.2.1 Học có giám sát HỌC CĨ GIAM SÁT Hình 1.2.1: Học có giám sát - Trong học có giám sát, máy tính học cách mơ hình hóa mối quan hệ dựa liệu gán nhãn (labeled data) Sau tìm hiểu cách tốt để mơ hình hóa mối quan hệ cho liệu gắn nhãn, thuật toán huấn luyện sử dụng cho liệu - Trong học có giám sát, quan sát bắt buộc phải dán nhãn trước Đây nhược điểm phương pháp này, khơng phải lúc việc dán nhãn xác cho quan sát dễ dàng Tuy nhiên, việc quan sát dán nhãn lại ưu điểm học có giám sát thu thập liệu lớn dán nhãn chuẩn xác, việc huấn luyện trở nên dễ dàng nhiều so với liệu không dán nhãn - Ứng dụng kĩ thuật học có giám sát: Xác định tín hiệu hay biến số tốt để dự báo lợi nhuận tương lai cổ phiếu dự đoán xu hướng thị trường chứng khốn 1.2.2 Học khơng giám sát Hình 1.2.2: Học khơng giám sát - Trong thuật tốn khơng biết liệu đầu hay nhãn mà có liệu đầu vào Thuật tốn Học khơng giám sát dựa vào cấu trúc liệu để thực công việc đó, ví dụ phân nhóm giảm số chiều liệu để thuận tiện việc lưu trữ tính tốn - Một cách tốn học, Học khơng giám sát có liệu vào X mà nhãn Y tương ứng - Những thuật tốn loại gọi Học khơng giám sát khơng giống Học có giám sát, khơng biết câu trả lời xác cho liệu đầu - vào Giống ta học, khơng có thầy giáo cho ta biết chữ hay chữ B Cụm khơng giám sát đặt tên theo nghĩa A - Ứng dụng học không giám sát: Phân loại cơng ty thành nhóm cơng ty tương đồng dựa đặc điểm chúng thay sử dụng tiêu chuẩn nhóm ngành quốc gia - 1.2.3 Học máy bán giám sát - - - dứ tựu nĩu ícc nhìn], dử lựu khiĩng nhãn tã cĩu lịnh Lặp trinh - Hình 1.2.3: Học bán giám sát - Các toán lượng liệu lớn X phần tập liệu gán nhãn gọi học bán giám sát Những tốn thuộc nhóm nămg hai nhóm học có giám sát học khơng giám sát - Một ví dụ điển hình cho học bán giám sát có phần ảnh văn gán nhãn (ví dụ ảnh người, động vật văn khoa học, ) phần lớn ảnh/ văn chưa gán nhãn thu thập từ internet - Thực tế có nhiều tốn Machine Learning thuộc vào nhóm việc thu thập liệu có nhãn tốt nhiều thời gian chi phí cao Rất nhiều loại liệu - chí cần phải có chun gia gán nhãn được, ngược lại liệu chưa có nhãn thu thập với chi phí thấp từ internet - 1.2.4 Học máy tăng cường - - Hình 1.2.4: Học máy tăng cường - Học tăng cường toán giúp cho hệ thống tự động xác định hành vi dựa hồn cảnh để đạt lợi ích cao Hiện học tăng cường chủ yếu áp dụng vào lý thuyết trị chơi, thuật tốn cần xác định nước để đạt điểm số cao - Ví dụ điển hình cho phương pháp học tăng cường là: AlphaGo gần tiếng với việc chơi cờ vây thắng người 1.3 Ứng dụng học máy - Các thuật tốn ML sử dụng để phân tích liệu lớn (big data) để giúp dự đoán xu hướng kiện thị trường, ví dụ dự đốn kết bầu cử trị - Các thuật tốn nhận dạng hình ảnh phân tích liệu từ hệ thống chụp ảnh vệ tinh để cung cấp thông tin số lượng khách hàng bãi đậu xe cửa hàng bán lẻ, hoạt động vận chuyển sở sản xuất, sản lượng nông nghiệp Những thông tin cung cấp liệu đầu vào cho mơ hình định giá mơ hình kinh tế • Nhận diện khn mặt: Thể loại mặt so với khơng có mặt Có thể có danh mục riêng cho người sở liệu số cá nhân • • Nhận dạng ký tự, chữ viết: Chúng ta phân đoạn đoạn văn thành hình ảnh nhỏ hơn, đoạn chứa ký tự Các danh mục bao gồm 26 chữ bảng chữ tiếng Anh, mười chữ số số ký tự đặc biệt Nhận dạng giọng nói: Nhận dạng giọng nói (SR) dịch từ nói thành văn Nó cịn gọi nhận dạng giọng nói tự động (ASR), nhận dạng giọng nói máy tính lời nói thành văn bản(STT) 1 CHƯƠNG 2: BÀI TOÁN NHẬN DIỆN BIỂN SỐ XE Giới thiệu toán 1.1 Đặt vấn đề Bài toán nhận diện biển số xe loại tốn khơng mới, ứng dụng triển khai rộng rãi sống thường ngày bãi đỗ xe thông minh, hệ thống thu tiền đường cao tốc hay đến nghiệp vụ truy bắt Bài toán nhận diện biển số xe có mơ hình chung sau: - Thứ nhận diện biển số xe, ta thu thập liệu thông qua video ảnh cắt biển số xe - Thứ hai ta xác định vị trí biển số xe ảnh video, ảnh có nhiều biển số xe, có kích thước góc độ khác 1.2 Mơ tả - Bài toán thực để nhận dạng biển số xe qua model YOLO để phát biển số xe Sau đó, crop biển số xe sử dụng PaddleOCR để hiển thị liệu biển 1.3 Yêu cầu tốn - Bài tốn có bước là: • Phát biển số xe • Nhận diện biển số xe - Bài toán nhận diện biển số xe phải xác định tất biển số xe nhìn thấy hình - Sau hiển thị liệu biển số xe tương ứng 1.4 Phân tích tốn - Input: ảnh khơng có kích cỡ định biển số xe - Output: Hiện thông tin biển số xe - Dataset: Bộ liệu biển số xe hầm gửi xe tòa chung cư Ecomart - Xây dựng train model YOLO module có sẵn PaddleOCA Mơi trường thực nghiệm 2.1 Cài đặt môi trường python - Cài đặt phiên python 3.7 trang chủ: https://www.python.org - IDE: Pycharm - Bộ thư viện sử dụng: flask, numpy, opencv, pandas, yolo, paddleOCR, matplotlib, - Imutils, - Sử dụng Google Colab để train mơ hình liệu học máy Xây dựng giới thiệu mơ hình 3.1 Mơ hình Yolov4 - Yolo mơ hình mạng CNN cho việc phát hiện, nhận dạng, phân loại đối tượng Yolo tạo từ việc kết hợp convolutional layers connected layers.Trong đóp convolutional layers trích xuất feature ảnh, cịn full-connected layers dự đốn xác suất tọa độ đối tượng • Họ mơ hình RCNN ( Region-Based Convolutional Neural Networks) để giải toán định vị nhận diện vật thể • Họ mơ hình YOLO (You Only Look Once) dùng để nhận dạng đối tượng thiết kế để nhận diện vật thể real-time - - Hình 3.2.1: Mơ hình Yolov4 - YOLO sử dụng linear regression để dự đốn thơng tin vng Do đó, layer cuối không sử dụng hàm kích hoạt Với ảnh đầu vào 448x448, mơ hình CNN có tầng max pooling với size 2x2 giảm 64 lần kích thước ảnh xuống 7x7 output đầu Đồng thời thay sử dụng tầng full connected tầng cuối cùng, thay tầng 1x1 conv với 13 feature maps để output shape dễ dàng cho 7x7x13 3.2 Module PaddleOCR - Mô-đun ocr_db_crnn sử dụng để nhận dạng ký tự ảnh Dựa hộp văn phát text_detection_db, tiếp tục nhận dạng ký tự Trung Quốc hộp văn Sau đó, phân loại góc hộp văn phát thực Thuật tốn nhận dạng văn cuối thơng qua CRNN (Mạng nơ-ron tái chế chuyển đổi), cụ thể Mạng nơ-ron tổng hợp tuần hồn Nó kết hợp DCNN RNN chuyên dùng để nhận dạng đối tượng ảnh Được sử dụng với CTC, để nhận dạng văn bản, học trực tiếp từ thích cấp độ từ cấp văn không yêu cầu thích cấp độ ký tự chi tiết Mơ-đun mơ hình OCR chung hỗ trợ dự đốn trực tiếp - Hình 3.2.2: Mơ hình PaddleOCR - 3.3 Xây dựng mơ - hình 3.3.1 Tiến hành Crawl liệu - Hình 3.3.1: Tiến hành Crawl liệu - - Bộ liệu 1000 ảnh lấy thực tế từ hầm để xe chung cư Hà Nội website - - Tiến hành crawl liệu sau có liệu gốc qua WebDriver - Git Window Help LJ File Edit View Navigate Code Reíactor Run Tools Openevjjython_Computer_Vision Intermediate crawl_Data H Project^ © ± ộ Run: r5.jpeg_tojpg.py Google-lmage-Scraper rĩ, main.py main(2) • cí Ỗ t) Q ộ r rỊ, main.py & Data_augmentation_v1,py main (2) X ộ— c* Ỳ C:\Users\hungt\PycharmProjects\Ũpencv_python_Computer_Vỉsỉon\venv\Scripts\pvthon.exe C:/Users/hungt/PycharmProjects/Ũpencv_python_Computer_Vision/Intermediate/crawL_Data/Gũũgle-Ima [INFO] Image path not found Creating a new folder _ [INFO] Scraping for image Link PLease waỉt ■ [INFO] https://iniaqe■xedoisonq■vn/wlO24/Uploaded/2O21/vcivopcq/2021_Ol_Gl/xe%2Obien%20dep/xedoisonq_bũ_suu_tap_xe_bien_so_dep_3_nzdi.ịpq „ “ [INFO] https://imaqe.xedũisonq.vn/wl624/UpLoaded/2O21/vcivopcq/2021_01_61/xe%2Obien%20dep/xedoisonq_bo_suu_tap_xe_bien_so_dep_12_nfxu■Ịpq Ạ [INFO] https: //Imq vletnamflnance.vn/thumbs/766x6/upload/news/nqocthu/2021/l/4/l_wzhd.jpg t ■ [INFO] https://autopro8.mediacdn.vn/2021/2/2G/photo-7-16138G29353851811667G94.ipq [INFO] https://autopro8.mediacdn.vn/2021/2/20/photo-3-1613802935377722709986.ịpq [INFO] https://autopro8.medlacdn.vn/2621/2/26/photo-5-16138629353861535679477.ịpq [INFO] https://vlnfastcenter■com/wp-content/upLoads/2021/O8/blen-so-xe-tu-quy-nao-dep.webp [ IN F ] https : //ĩniq vietnamíinance vn/webp-ịpq/upLoad/news/nqocthu/2021/l/4/5_zhke ■ webp [INFO] https://autopro8■mediacdn.vn/2621/2/26/photo-12-16138629353941585441955.ipq [INF0] https: //znews-Photo zadn ■ vn/w66O/UpLoaded/lce_1wquc/2019_05_23/l, ịpq [INFO] 10 https://lmaqe.xedoisonq.vn/wl024/UpLoaded/2621/yclvopcq/2621_01_01/xe%26blen%26dep/xedoisonq_bo_suu_tap_xe_bien_so_dep_8_rslm.jpq [INFO] 11 https://vnn-lmqs-al.vqcLoud.vn/imaqe.vtcns.com/fiLes/ctv.kinhte/2619/07/28/01-1335436.ipq [INFũ] 12 https://photo-cms-xedoisonq■zadn■vn/w766/UpLoaded/2622/yclvopcq/2021_Ol_61/xe%26blen%2Odep/xedoisonq_bo_suu_tap_xe_bien_so_dep_7_txbz■jpq [INFO] 13 http://iiiiaqe.conqan.coni.vn/thunibnail/CATP-3376-2G21-3-2G/12.ipq [INFO] 14 https://danviet.niediacdn.vn/upload/l-2019/imaqes/2019-02-14/Me-nian-dan-xe-bien-nqu-tu-quy-phat-tai-loc-cua-dan-choi-Ben-Tre-bien-dep2-15501G9403-width660heiqht547.ipq [INFO] 15 https://Photo-cms-tpo.zadn■vn/460x306/Uploaded/2022/qobhvc_bvohvim/2021_02_20/tp_9_bpdq■ịpq [INFũ] 16 https://photo-ciĩis-xedũlsonq.zadn.vn/w7ŨO/Uploaded/2O22/yclvopcq/2021_Ol_Ol/xe%2Oblen%20dep/xedũlsonq_bo_suu_tap_xe_blen_sũ_dep_13_qcmn ipq [INFO] 17 https://static2.yan.vn/YanNews/2167221/262161/bo-suu-tap-bien-so-xe-mav-cuc-chat-cua-nquoi-dan-onq-o-an-qianq-77elf75d.ịpq [INF0] 18 https://news-thumb2.ymgstatic.com/YanThumbNews/2167221/2O2101/f2alfc5a-74d5-4c8f-985c-c61582blcc72.jpg [INFO] 19 https://news-thumb2.vmqstatic.coni/YanThunibNews/2167221/262161/f2alfc5a-74d5-4c8f-985c-c61582blcc72.ipq [INFO] 20 http://imaqe.conqan.com.vn/thumbnaiL/CATP-3272-2021-3-20/l.jpq [INFO] 21 http://imaqe.conqan■com.vn/thumbnaiL/CATP-2860-2021-3-26/31.Ipq [INFO] 22 https://lmaqe-us.24h.com.vn/upload/2-2019/lmaqes/2019-65-23/Khonq-chi-nqu-quv-xe-mav-blen-so-sanh-qia-khunq-khonq-kem-28-1558585854-18-wldth500heiqht411.ipq [INFO] 23 http://imaqe.conqan.com.vn/thumbnaiL/CATP-336G-2621-3-20/71.ipq [INFO] 24 https://icdn.dantri.com.vn/thumb_w/646/2G21/63/ll/xe-4-161545641753G.jpeq [INF0] 25 https://Photo-cms-xedoisonq.zadn.vn/w700/UpLoaded/2022/vclvopcq/2021_01_01/xe%20blen%2Qdep/xedũisonq_bo_suu_tap_xe_bien_so_dep_8_rsLm.ipq nNFO^6Jittps^//sohanews^ohacdnicom/zoom/60^15/160588918557773824/2021/l/2/photol609556Q2858^609556029038163607802^p^^^^^^^^^^^^^^^^^^^ p Grt ► Run := TODO Problems $ Python Packages 'S* Python Console B Terminal B Event Log [□ Download pre-built shared indexes: Reduce the indexing time and CPU load with pre-built Python packages shared indexes // Always download // Download once // D.„ (4 minutes í 13:27 CRLF UTF-8 spaces Python 3.7 (Opencv_python_Computer_Vision) p master 'ìi Kệ' ♦ IB • • B * 3« Mưa nhó Ị Ĩ & »>) ENG Hình 3.3.2: Crawl liệu 3.3.2 Gán nhãn liệu qua Labelimg Hình 3.3.3: Gán nhãn liệu - - Dữ liệu trả sau gán nhãn - - Hình 3.3.4: Dữ liệu sau gán nhãn 3.3.4 Tiến hành train Model Yolo - Ô Ề colab.research.google.com/drive/1hiuUX3u6QkfSBhp&☆ ONnom7BPGwcPHfhB?authuser=1#scrollTo=OkyM9_lelX4P * @3 - £ -4? : ứng dụng ’ Gmail ► YouTube X Maps • Trường Đại Học Điệ Phân vùng ành gi V Oxíord Leamer's Di Home - VinBigdata @ Từ trước tới ch “X Học giáo dục với cá - DienLuc.ipynb ☆ - - » B Dấu trang khác [Ị?] Danh sách đọc co ô YOLOv4_biensoxe _ , 'ís?ồ\ - - M Nhận xét ** Chia sẻ PRO Tệp Chỉnh '3^' sửa Xem Chèn Thời gian chạy Công cụ Trợ giúp Lưu lần gần lúc 23 tháng -_ + Mã + Văn Kết nối ▼ X Chỉnh sửa tOtalDDOX = 2300512, rewntten_DDox = 0.253596 7ữ - * c-:> $g1: Q (next mAP calculation at 6111 iteratỉons) - Last accuracy mAP@0.50 = 72.86 %, best = 72.86 % 6000: 0.568767, 0.590742 avg loss, 0.000010 rate, 6.167546 seconds, 384000 ỉmages, 0.123485 hours left Resizỉng to initỉal size: 416 X 416 try to alỉocate additỉonal workspace_size = 52.43 MB - CUDA allocate done! {%} - calculation mAP (mean average precỉsỉon) Hình 3.3.4: Tiến hành train Model Yolo - Detection layer: 139 - type = 28 □ Detection layer: 150 - type = 28 - Detection layer: 161 - type = 28 480 detections_count = 1069, unique_truth_count = 592 class_id = 0, name = biensoxe, ap = 72.76% (TP = 436, FP = 80) - for conf_thresh = 0.25, precỉsỉon = 0.84, recall = 0.74, Fl-score = 0.79 for conf_thresh = 0.25, TP = 436, FP = 80, FN = 156, avérage lou = 73.96 % - lou threshold = 50 %, used Area-Under-Curve for each unỉque Recall mean average precision (mAP@0.50) = 0.727636, or 72.76 % Total Detection Time: 12 Seconds Set -points flag: '-poỉnts 101' íor MS coco '-poỉnts 11' for PascalVOC 2007 (uncomment 'difficult' ỉn voc.data) '-poỉnts 0' (AUC) for ImageNet, PascalVOC 2010-2012, your custom dataset mean_average_precỉsion (mAP@0.50) = 0.727636 Saving weỉghts to /content/drỉve/MyDrỉve/yolov4_bỉensoxe_dot2/trainỉng/yolov4-custom_6000.weỉghts Savỉng weights to /content/drỉve/MyDrỉve/yolov4_bỉensoxe_dõt2/training/yolov4-custom_last.weỉghts - (=3 - Savỉng weỉghts to /content/drỉve/MyDrỉve/yolov4_bỉensoxe_dot2/traỉning/yolov4-custom_fỉnal.weights If you want to traỉn írom the begỉnning, then use flag ỉn the end of trainỉng command: -clear s - — Ll Hình 3.3.4: Tiến hành train Model Yolo ơÔA drive.google.eom/drive/u/1/folders/1f_P5u02JJfDoSKsZSb2V2lejQuT5iYI4 dụng ’ X Maps ■ Gmail ► YouTube Trường Đại Học Điệ Phân vùng ành gi Q Tìm Drive ::: ứng - + ►B ► - - Dri ve Mới - Drive - Drive > yolov4_biensoxe_dot2 > Máy Được B yolov4custom_2000.weights Gần E yolov4custom_3000.weights ☆ gắn dấu Có rác Thùng o > ( 183,35 - GB Đã sử dụng tổng số 200 GB Mua nhớ - - - Bộ nhớ (đã dùng 91 %) - - - E yolov4custom 1OOO.weights tính chia sẻ với - £ yolov4custom_4000.weights yolov4custom_5000.weights yolov4custom_6000.weights yolov4custom_best.weights yolov4custom_final.weights yolov4custom_last.weights H Nhập để tìm kiếm - aining - Tên - - - Home VinBigdata ENG 24^2022 a - - tr Chủ SỞ hữu - Từ trước tới ch “X Học giáo dục với cá ,2022 2,2022 - 2,2022 2,2022 2,2022 2,2022 2,2022 tơi 2,2022 - •• - ch cỡ tệp Kí - 23 thg 4,1 MB 24 - 23thg2 4,1 MB - 23 thg 4,1 MB - 23 thg 4,1 MB - 23 thg 4,1 MB - 23 thg 4,1 MB - 23 thg 4,1 MB - 23 thg 4,1 MB 24 - 23 thg 4,1 MB 24 - © EJ - 24 24 - E=] Danh sách - Được * w s >4 *: mở lần cuối » - - đt 3= - 2,2022 H Dấu trang khác Ci ☆ * K Oxíord Leamer's Di - -□ + 24 24 24 24 - * 31°c Mưa nhỏ ® íí ,d») Hình 3.3.4: Tiến hành train model Yolo 3.3.5 Kết sau train YOLO - - - Hình 3.3.5: Kết sau train model YOLO 3.3.6 Cắt vùng ảnh chứa biển số xe dựa vào tọa độ xác định sau train model - Hình 3.3.6: Cắt tạo độ xác định ảnh biển xe 3.3.7 Sử dụng PaddleOCR để đọc kí tự biển số cắt - - Kết thu được: Hình 3.3.6 Sử dụng PaddleOCR để đọc kí tự biển số cắt - 3.4 Giao diện sử - dụng 3.4.1 Xây dựng web - Hình 3.4.1: Giao diện trang chủ - Sử dụng Flask để đưa mơ hình nhận diện biển số xe lên Web - - Kết thu được: Hình 3.4.2: Kết thu 2 Hình 3.4.2: Kết thu KẾT LUẬN Kết đạt được: chúng em cài đặt thuật toán sử dụng thư viện trình học tập Với kiến thức tảng học trường nỗ lực mình, chúng em hồn thành đề tài “Nhận dạng biển số xe” Mặc dù cố gắng đầu tư nhiều thời gian có hạn, kiến thức non yếu nên phần mềm chắn nhiều hạn chế Chúng em mong nhận thơng cảm góp ý thầy, giáo để đề tài chúng em hoàn thiện Một lần chúng em xin chân thành cảm ơn Phạm Thị Kim Dung tận tình giúp đỡ chúng em suốt thời gian thực đề tài TÀI LIỆU THAM KHẢO [1] Giáo trình Machine Learning bản-Vũ Hữu Tập, Nhà xuất khoa học kỹ thuật [2] Slide giảng Học Máy- Nguyễn Nhật Quang, Trường Đại Học Bách Khoa Hà Nội [3] Trang web Kaggle.com [4] Vũ Hữu Tiệp; Machine Learning bản; Last update: March8, 2018 [5] Nguyễn Thanh Tuấn; Deep Learning bản; Last update: October 2019 ... liệu biển 1.3 Yêu cầu toán - Bài tốn có bước là: • Phát biển số xe • Nhận diện biển số xe - Bài toán nhận diện biển số xe phải xác định tất biển số xe nhìn thấy hình - Sau hiển thị liệu biển số xe. .. cho người em định chọn đề tài: ? ?Nhận diện biển số xe? ?? CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY Tổng quan học máy 1.1 Khái niệm học máy Hình 1.1: Minh họa học máy - Học máy hay máy học có tên tiếng Anh đầy... vị trí biển số xe ảnh video, ảnh có nhiều biển số xe, có kích thước góc độ khác 1.2 Mơ tả - Bài tốn thực để nhận dạng biển số xe qua model YOLO để phát biển số xe Sau đó, crop biển số xe sử dụng