ĐỀ CƯƠNG THỰC TẬP MÔN THỰC TẬP HỆ THỐNG THÔNG TIN TÍCH HỢP ĐỀ TÀI XÂY DỰNG MODULE NHẬN DẠNG BIỂN SỐ XE

TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN -*** ĐỀ CƯƠNG THỰC TẬP MÔN THỰC TẬP HỆ THỐNG THÔNG TIN TÍCH HỢP ĐỀ TÀI: XÂY DỰNG MODULE NHẬN DẠNG BIỂN SỐ XE Giảng viên hướng dẫn : TS NGƠ HỒNG HUY Sinh viên thực : NGUYỄN THI THU Mã sinh viên : 1781310172 Chuyên ngành : CÔNG NGHỆ PHẦN MỀM Lớp : D12 CNPM2 Khóa : 2017 – 2022 Hà Nội, tháng 08 năm 2021 PHIẾU CHẤM ĐIỂM Sinh viên thực hiện: ST T Họ tên Nguyễn Thị Thu Chữ ký Ghi Giảng viên chấm: Họ tên Giảng viên chấm 1: Giảng viên chấm 2: Chữ ký Ghi MỤC LỤC LỜI NÓI ĐẦU Lời cảm ơn .4 Phạm vi nghiên cứu .4 Phương pháp nghiên cứu .4 CHƯƠNG GIỚI THIỆU VỀ CÔNG TY/ĐƠN VỊ THỰC TẬP .5 1.1 Về FSI 1.2 Về FSIS-CE Tech .7 1.3 Kết cần đạt được 1.4 Các yêu cầu đối với sinh viên CHƯƠNG 2: KHẢO SÁT HIỆN TRẠNG 2.1 Khảo sát hiện trạng 2.1.2 Mục tiêu 2.2.2 Yêu cầu chức 2.2 Mô tả bài toán CHƯƠNG 3: XÂY DỰNG MODULE NHẬN DẠNG BIỂN SỐ XE .11 3.1 Xây dựng module bóc tách biển số xe với YOLOV5 11 3.1.1 Giới thiệu về YOLO .11 3.1.2 Kiến truc mạng YOLO 11 3.2 Thử nghiệm bóc tách biển số xe với YOLOv5 17 3.3 Xây dựng module nhận dạng biển số xe 18 3.3.1 Giới thiệu về Transformer OCR 18 3.3.2 Chức nhận dạng biển số xe 18 3.3.3 Chức kiểm tra và đối chiếu thông tin xe khỏi bãi 19 3.4 Kết quả thử nghiệm nhận dạng 20 3.5 Tích hợp module nhận dạng 20 3.5.1 Chức của hệ thống 20 3.5.1 Mô tả nghiệp vụ 24 3.5.2 Thiết kế giao diện 24 CHƯƠNG 4: KẾT LUẬN 26 4.1 Kết đạt 26 4.2 Hướng phát triển 26 TÀI LIỆU THAM KHẢO 27 Lời cảm ơn LỜI NĨI ĐẦU Trong q trình thực tập và làm báo cáo thực tập, khó tránh khỏi sai sót, mong thầy, bỏ qua Đồng thời trình độ lý luận kinh nghiệm thực tiễn cịn hạn chế nên báo cáo khơng thể tránh khỏi thiếu sót, em mong nhận ý kiến đóng góp thầy, để em học thêm nhiều kinh nghiệm hoàn thành tốt báo cáo Em xin gửi lời cảm ơn chân thành tri ân sâu sắc thầy cô trường Đại học Điện Lực, đặc biệt thầy cô Công Nghệ Thông Tin trường tạo điều kiện cho em hoàn thành báo cáo Đặc biệt gửi lời cảm ơn sâu sắc tới giảng viên hướng dẫn Ngô Hoàng Huy, đã nhiệt tình giúp đỡ và hướng dẫn em suốt quá trình học tập Phạm vi nghiên cứu Tập trung Nghiên cứu phương pháp nhận dạng biển số xe, sau đó là áp dụng vào thực tiễn xây dựng một hệ thống quản lý bãi đỗ xe thông minh Phương pháp nghiên cứu  Phương pháp nghiên cứu lý thuyết - Phân tích thiết kế hệ thống, truy vấn SQL - Phương pháp trích xuất đặc trưng OCR - Sử dụng model YOLOv5 để phát hiện đối tượng  Phương pháp nghiên cứu thực nghiệm - Khảo sát góc chụp camera - Khảo sát thời gian nhận diện gửi trả máy chủ - Lập trình thiết kế, cài đặt thuật tốn mơi trường thực nghiệm CHƯƠNG GIỚI THIỆU VỀ CÔNG TY/ĐƠN VỊ THỰC TẬP 1.1 Về FSI Công ty CP Đầu Tư Thương Mại Phát Triển Công Nghệ FSI công ty công nghệ hàng đầu Việt Nam lĩnh vực số hóa chuyển đổi số giúp xây dựng tổ chức bạn theo mơ hình cơng nghệ số đồng thời bảo vệ tài sản quan trọng tổ chức bạn – thông tin Thành lập vào ngày 6/11/2007, trải qua nhiều năm xây dựng phát triển, FSI trung thành với sứ mệnh: Trên sở thấu hiểu nhu cầu khách hàng, cung cấp giải pháp, công nghệ tiên tiến nhằm mang lại giá trị cao cho khách hàng đối tác Đối tác hãng cơng nghệ lớn tồn cầu như: IBM, Dell, Cisco, Oracle, Microsoft, Symantec, Juniper, HP, Eset, Kaspersky, NTT Data… Trải qua nhiều năm xây dựng phát triển, FSI trung thành với sứ mệnh: Trên sở thấu hiểu nhu cầu khách hàng, cung cấp giải pháp, công nghệ tiên tiến nhằm mang lại giá trị cao cho khách hàng đối tác - Sứ mệnh: Không ngừng đổi sáng tạo giải pháp công nghệ Việt - Đẳng cấp quốc tế góp phần phát triển đất nước giúp tổ chức, doanh nghiệp Việt vươn tầm quốc tế - Tầm nhìn: Đến năm 2023, FSI trở thành nhà cung cấp giải pháp chuyển đổi số top 10 Đông Nam Á - Giá trị cốt lõi: Cống hiến, sáng tạo, tận tâm, uy tín, đồn kết Triết lý kinh doanh: - Hết lịng mục tiêu thành công khách hàng - Sáng tạo tư lẫn hành động Chuyên nghiệp từ thái độ tác phong làm việc đến kỹ chun mơn tính cam kết dài lâu - Kết hợp hài hịa lợi ích khách hàng, nhân viên, cổ đông, đối tác cộng đồng - Phát triển bền vững lâu dài Đội ngũ nhân chất lượng cao đào tạo ngồi nước, nhiệt tình, u nghề, giỏi chun mơn có nhiều năm kinh nghiệm thực tiễn lĩnh vực: - Tư vấn và cung cấp thiết bị số hóa tài liệu - Phát triển và triển khai phần mềm, giải pháp công nghệ số hóa tài liệu - Xây dựng sở hạ tầng CNTT tích hợp hệ thống - Tư vấn, triển khai các dịch vụ sớ hóa tài liệu - Bảo trì hệ thống; Bảo dưỡng, sửa chữa máy scan chuyên dụng - Đội ngũ nhân thông thạo nhiều ngoại ngữ: Anh, Nhật, Nga, … 100% nhân tham gia khóa đào tạo thường xuyên công ty trung tâm đào tạo uy tín thị trường đào tạo hãng công nghệ lớn Việt Nam giới - Văn hóa doanh nghiệp: FSI hướng đến xây dựng môi trường làm việc chuyên nghiệp, đoàn kết cởi mở, tạo hội cho tất thành viên phát triển kỹ chun mơn hồn thiện thân Bên cạnh đó, cơng ty ln trọng đến hoạt động đào tạo, nuôi dưỡng nhân tài xây dựng đời sống vật chất, tinh thần phong phú, lành mạnh cho tất thành viên Sơ đồ cấu tổ chức: - Hội đồng quản trị Ban kiểm soát Ban điều hành Các khối: Hỗ trợ, Kinh doanh, Kỹ thuật Công nghệ, Đơn vị trực thuộc 1.2 Về FSIS-CE Tech Được thành lập từ năm 2016, đến nay, dù với chặng đường năm FSI Soft ngày khẳng định rõ vị doanh nghiệp trẻ thị trường chuyển đổi số Năm 2019 không năm thành công FSI Soft thể lực lĩnh vực CNTT nói chung, thị trường chuyển đổi số nói riêng mà cịn có đóng góp to lớn phát triển FSI Tiền thân trung tâm nghiên cứu phát triển trực thuộc tổng công ty CP Đầu tư thương mại Phát triển công nghệ FSI (FSI) Thành lập ban đầu với số vốn nhỏ, quy mơ hạn chế, nhiều khó khăn thách thức Tới nay, sau năm chặng đường, FSIS ngày bứt phá, khẳng định rõ uy tín, thương hiệu Đặc biệt, năm 2019 vừa qua – năm đáng nhìn lại FSIS với bước ngoặt lớn lĩnh vực chuyển đối số, giúp FSI trở thành top doanh nghiệp chuyển đối số hàng đầu Việt Nam.  FSIS – Con người chun nghiệp tạo nên thành cơng: Có thành công, bứt phá vượt bậc chặng đường năm đưa FSIS trưởng thành, vững mạnh ngày hôm nay, đầu tiên, phải kể đến đội ngũ nhân lực đầy tiềm FSIS Dưới dẫn lãnh đạo đắn nhân chủ chốt – người lĩnh, ln nghiệp chung FSIS Cùng 50 cán nhân viên đào tạo bản, có nhiều kinh nghiệm, tham gia dự án lớn nhỏ phủ tập đồn làm việc với đối tác nước ngoài.  Đội ngũ cán FSI Soft liên tục cập nhập kiến thức, công nghệ thử sức với dự án thực tế theo quy trình cơng nghệ sản xuất đại.  Vậy nói, người FSIS tảng tạo thành cơng FSIS nói riêng thành cơng FSI nói chung.  1.3 Kết cần đạt được - Tìm hiểu phương pháp phân đoạn ảnh màu JSEG - Tìm hiểu phương pháp trích rút đặc trưng - Nghiên cứu phương pháp tra cứu ảnh dựa vào vùng ảnh - Xây dựng hệ thống tra cứu ảnh thử nghiệm với tập 2000 ảnh 1.4 Các yêu cầu đối với sinh viên - Có khả học tìm hiểu tài liệu Tiếng Anh - Có khả lập trình với ngơn ngữ Python - Sử dụng cơng cụ lập trình Sublime Text 3, Notepad++, Visual Studio CHƯƠNG 2: KHẢO SÁT HIỆN TRẠNG 2.1 Khảo sát hiện trạng Hiện nay, việc trông giữ xe tự động, áp dụng chí tuệ nhân tạo AI ở các bãi trông giữ đã không còn xa lạ với mọi người Ngay tại, ở bãi gửi xe EPU cũng sử dụng một hệ thống quản lý trông giữ xe nó cũng đã quá lỗi thời Làn xe vào ít, mất nhiều thời gian lấy vé gửi xe dẫn đến ùn tắc Và việc giám sát xe bãi cũng soát vé mất khá nhiều thời gian Chính vì vậy, việc xây dựng hệ thống quản lý bãi đỗ xe tự động này là hữu ích và cần thiết 2.1.2 Mục tiêu Hệ thống hoàn toàn tự động: không nhân viên, người xe chỉ cần đưa xe vào khu vực gửi - Giao diện đẹp và dễ sử dụng, lưu real-time - Độ chính xác nhận dạng phải đạt 99% - Bóc tách vùng biển số độ chính xác phải đạt 99% - Tốc độ nhận dạng và bóc tách nhanh phải < giây 2.2.2 Yêu cầu chức - Nhận dạng biển số xe, lưu thông tin và hiển thị thông tin real-time màn hình - Kiểm tra, đối chiếu thông tin biển số xe khỏi bãi 2.2 Mô tả bài toán Thiết kế một hệ thống trông, giữ xe tự động sử dụng công nghệ nhận dạng biển số xe Mỗi xe có một biển số xe nhất Hình 2.1: Mô phỏng hệ thống quản lý bãi đỡ xe - Hệ thống hoạt động hồn tồn tự động giảm 100% mặt thời gian giám sát - Tự động nhận biết xe vào-ra để mở barrier  Tự động ghi hình ảnh xe vào Tự động phân tích ghi nhận biển số xe Tự động tính số lần vào Quản lý - Thống kê, theo dõi tình hình xe vào – theo năm tháng ngày - Báo cáo doanh thu theo ngày, tháng, năm có yêu cầu khách hàng - Báo cáo doanh thu theo ca có yêu cầu khách hàng - Quản lý nhân viên theo ca làm việc - Quản lý xe bãi  Đối tượng sử dụng: - Bãi đỗ xe trường đại học, cao đẳng - Bãi trông giữ xe cơng cộng có quy mơ lớn - Các siêu thị, khu vui chơi giải trí - Các khu chung cư, khách sạn, nhà hàng - Công trường, nhà máy, xí nghiệp Khi vào gửi xe, hệ thơng camera sẽ tự động chụp lại vùng biển số, nhận dạng vùng biển số xe lưu real-time vào sở dư liệu Tất cả chỉ mất đến giây Khi lấy xe ra, xe vào làn hệ thống camera sẽ chụp lại vùng biển số đối chiếu với biển số xe lưu sở dữ liệu Nếu không khớp hệ thông sẽ phát một tiếng ‘bíp’, nhẫn viên bãi sẽ kiểm tra Ở tối sẽ trình bày chủ yếu về module nhận dạng biển số của hệ thống quản lý bãi đỗ xe Những feature map ban đầu có kích thước nhỏ giúp dự báo object kích thước lớn Những feature map sau có kích thước lớn anchor box giữ cố định kích thước nên giúp dự báo vật thể kích thước nhỏ Hình 3.2: Các feature maps mạng YOLOv3 với input shape là 416x416, output feature maps có kích thước là 13x13, 26x26 và 52x52 Trên cell feature map áp dụng anchor box để dự đoán vật thể Như số lượng anchor box khác mơ hình YOLO (3 featue map x anchor box) Đồng thời feature map hình vng S x S, mơ hình YOLOv3 sinh số lượng anchor box là: S x S x Như số lượng anchor boxes ảnh là: (13×13+26×26+52×52) ×3=10647(anchor boxes) Đây số lượng lớn nguyên nhân khiến trình huấn luyện mơ hình YOLO vơ chậm cần dự báo đồng thời nhãn bounding box đồng thời 10647 bounding boxes Một số lưu ý huấn luyện YOLO:    Khi huấn luyện YOLO cần phải có RAM dung lượng lớn để save 10647 bounding boxes kiến trúc Không thể thiết lập batch_size lớn mơ hình classification dễ Out of memory Package darknet YOLO chia nhỏ batch thành subdivisions cho vừa với RAM Thời gian xử lý step YOLO lâu rất nhiều lần so với mơ hình classification Do nên thiết lập steps giới hạn huấn luyện cho YOLO nhỏ Đối với tác vụ nhận diện classes, 5000 steps thu nghiệm tạm chấp nhận Các mơ hình có nhiều classes tăng số lượng steps theo cấp số nhân tùy bạn Để tìm bounding box cho vật thể, YOLO cần anchor box làm sở ước lượng Những anchor box xác định trước bao quanh vật thể cách tương đối xác Sau thuật tốn regression bounding box tinh chỉnh lại anchor box để tạo bounding box dự đốn cho vật thể Trong mơ hình YOLO:  Mỗi vật thể hình ảnh huấn luyện phân bố anchor box Trong trường hợp có từ anchor boxes trở lên bao quanh vật thể ta xác định anchor box mà có IoU với ground truth bounding box cao Hình 3.3: Xác định anchor box cho vật thể Từ Cell i ta xác định anchor boxes viền xanh hình Cả anchor boxes giao với bounding box vật thể Tuy nhiên anchor box có đường viền dày màu xanh lựa chọn làm anchor box cho vật thể có IoU so với ground truth bounding box cao Hàm loss function của YOLO chia làm phần: Do thuật toán YOLO dự báo nhiều bounding box ảnh nên cell có vị trí gần nhau, khả khung hình bị overlap cao Trong trường hợp YOLO cần đến non-max suppression để giảm bớt số lượng khung hình sinh cách đáng kể Hình 3.4: non-max suppression Từ bounding box ban đầu bao quanh xe giảm xuống bounding box cuối Các bước non-max suppression:   Step 1: Đầu tiên tìm cách giảm bớt số lượng bounding box cách lọc bỏ tồn bounding box có xác suất chứa vật thể nhỏ ngưỡng threshold đó, thường 0.5 Step 2: Đối với bouding box giao nhau, non-max suppression lựa chọn bounding box có xác xuất chứa vật thể lớn Sau tính tốn số giao thoa IoU với bounding box lại IoU: Tỷ lệ Intersection of Union tỷ lệ đo lường mức độ giao khung hình (thường khung hình dự báo khung hình ground truth) để nhằm xác định khung hình overlap khơng Tỷ lệ tính dựa phần diện tích giao gữa khung hình với phần tổng diện tích giao khơng giao chúng Ở sử dụng YOLOv5 YOLOv5 họ mơ hình phát đối tượng theo tỷ lệ phức hợp đào tạo tập liệu COCO bao gồm chức đơn giản cho Tăng thời gian thử nghiệm (TTA), tổ hợp mơ hình, phát triển siêu tham số xuất sang ONNX, CoreML TFLite Hình 3.5: Sơ đồ đánh giá độ chính xác model của YOLOv5 3.2 Thử nghiệm bóc tách biển số xe với YOLOv5 - Chuẩn bị dữ liệu và làm nhãn bằng Tool LabelImg - Huấn luyện model pretrained của YOLOv5 Một số kết quả sau thử nghiệm: Hình 3.3 3.6: Một số kết quả bóc tách biển số xe Xây dựng module nhận dạng biển số xe 3.3.1 Giới thiệu về Transformer OCR Mô hình Transformer OCR là sự kết hợp giữa mô hình CNN và Transformer (là mơ hình tảng BERT tiếng) Mạng nơ-ron liên kết (ConvNet/CNN) thuật tốn Deep Learning (học sâu) lấy hình ảnh đầu vào, gán tầm quan trọng (trọng số thành kiến học được) cho khía cạnh/đối tượng khác hình ảnh phân biệt hình ảnh với hình ảnh Hình 3.7: Mô hình Transformer OCR 3.3.2 Chức nhận dạng biển số xe Tác nhân: - Phương tiện - Nhân viên bãi trông xe Mô tả: Xe vào Làn vào của bãi, camera sẽ chụp lại hình ảnh xe và tự động bóc tách vùng biển số Ảnh sau bóc tách qua module nhận dạng ta lấy được thông tin (số hiệu biển số xe) xe và xuất thông tin màn hình Nhân viên bãi sẽ kiểm tra thông tin, thông tin sẽ được lưu lên sở dữ liệu Hình 3.8: Usecase chức nhận dạng biển số xe 3.3.3 Chức kiểm tra và đối chiếu thông tin xe khỏi bãi Tác nhân: - Phương tiện - Nhân viên bãi trông xe Mô tả: Xe tiến vào Làn của bãi, camera sẽ chụp lại hình ảnh xe và tự động bóc tách vùng biển số Modul sẽ nhận dạng và đối chiếu thông tin (số hiệu biển số xe) với thông tin sở dữ liệu Nếu trùng khớp sẽ cho xe qua, nếu không đúng sẽ phát lên tiếng ‘bíp’ nhân viên bãi sẽ kiểm tra lại thông tin xe Hình 3.9: Usecase chức kiểm tra thong tin xe 3.4 Kết quả thử nghiệm nhận dạng Hiện tại vẫn thử nghiệm thêm, vì độ chính xác nhận dạng còn thấp - Một sốt kết quả: Hình 3.10: Một số kết quả nhận dạng biển số xe 3.5 Tích hợp module nhận dạng 3.5.1 Chức của hệ thống - Quản lý phân quyền người sử dụng hệ thống - Quản lý nhân viên - Phân công ca trực - Báo cáo kiểm tra doanh thu bán vé ngày theo thời gian - Quản lý giá vé, loại vé cho loại xe - Quản lý thông tin đăng ký vé, danh sách xe đăng ký vé tháng - Quản lý lượt xe vào, thời gian - Quản lý cảnh báo (khi hết chỗ để xe, khách hàng bị xe / hư hại gửi)   STT Đối tượng sử dụng Tên tính Mơ tả tính Admin Thêm sửa xóa nhân viên hệ thống Admin Quản lý nhân viên Phân công làm việc nhân viên, Admin Quản lý cài đặt giá vé cho loại xe gửi Loại xe, vé tháng, vé ngày, thời gian gửi (ban ngày, ban đêm, thời gian, ) Admin Quản lý đăng ký vé tháng cho khách hàng Admin Quản lý phân loại khu để xe Admin Quản lý nhận dạng, phân tách biển số từ hình ảnh trích xuất camera Admin Quản lý lưu trữ ảnh, file ghi hình xe vào bãi Admin Quản lý lịch sử xe vào ngày, giờ, số lần Xem lại, check thông tin xe vào thời điểm Admin Quản lý lưu trữ biển số xe Tách từ xử lý ảnh trích xuất từ camera (Loại xe, khu vực, loại biển, ) Ví dụ khu A: chỗ, loại xe, trống… Lưu ý 10 Admin, nhân viên Xem thống kê lượt xe gửi vào bãi, cảnh báo hết chỗ khu vực để loại xe khơng cịn chỗ 11 Admin Báo cáo thống kê doanh thu tiền vé xe theo ngày, tuần, tháng 12 Nhân viên Đăng nhập hệ thống 13 Tiếp nhận thông tin đăng ký vé, xác nhận cấp vé tháng cho khách hàng xe đăng ký vé tháng thành công 14 Nhân viên Cấp vé cho xe vào bãi vé ngày 15 Admin, Nhân viên Kiểm tra thông tin lịch sử xe vào thời điểm 16 Admin, Nhân viên Xem thông tin lượng xe gửi vào bãi, không nhận xe hệ thống phát cảnh báo hết chỗ 17 Admin, Nhân viên Xem thông tin giá vé, thu phí giá vé từ khách hàng (người gửi xe) 18 Nhân viên Tiếp nhận thông tin phản hồi lại hệ thống Nhân viên quẹt thẻ, hệ thống tự động lưu thông tin vé vào, nhân viên trao vé cho khách hàng (người gửi xe) từ phía khách hàng 19 Nhân viên Xử lý phản hồi theo quyền hạn gửi báo cáo lên admin để giải xử lý 20 Người gửi xe Đăng ký vé tháng hệ thống 21 Admin, nhân viên Trích xuất camera ghi hình vào, bãi đỗ xe 22 Người gửi xe Gửi báo cáo lên hệ thống xe gửi bị hư hại, hỏng hóc / bị vé trường hợp làm vé tháng 23 Người gửi xe Khai báo thông tin làm lại vé lên hệ thống bị vé Nhận vé toán tiền làm lại vé quầy sốt vé bãi trơng xe 24 Người gửi xe Nhận cảnh báo, thông tin thời gian trông coi xe Cảnh báo xe gửi thời hạn, đỗ xe không nơi quy định 25 Người gửi xe Xem quy định bãi gửi xe Nhận vé toán quầy sốt vé nhân viên bãi trơng xe đăng ký thành công 3.5.1 Mô tả nghiệp vụ  Đăng nhập hệ thống: Khi đăng nhập thành công, hệ thống hiển thị menu quản lý, bao gồm chức dành cho quản trị viên Hình 3.11 Sơ đồ nghiệp vụ chắc đăng nhập 3.5.2 Thiết kế giao diện CHƯƠNG 4: KẾT LUẬN 4.1 Kết đạt Quá trình nghiên cứu thực hoàn thành đạt số kết sau: - Nắm bắt nghiệp vụ cách triển khai ứng dụng thực tế - Bước đầu xây dựng được module nhận dạng biển số xe thông qua kết thu thập qua trình khảo sát, phân tích hệ thống 4.2 Hướng phát triển Mặc dù cố gắng hoàn thiện module với tất nỗ lực, nhiên chắn tránh khỏi thiếu sót Với mong ḿn phát triển dự án thành một sản phẩm, một hệ thống quản lý bãi đỗ xe tự động và thông minh có thể ứng dụng được vào thực tế, em rất mong nhật được sự đóng góp ý kiến của các thầy cô Sau cùng, chúng em xin kính chúc thầy Khoa Công Nghệ Thông Tin dồi sức khỏe, niềm tin để tiếp tục thực sứ mệnh cao đẹp truyền đạt kiến thức cho hệ mai sau TÀI LIỆU THAM KHẢO TS Đào Nam Anh, Giáo trình Phân tích thiết kế hướng đối tượng, trường Đại học Điện Lực Joseph Redmon, Optimal Speed and Accuracy of Object Detection, năm 2020 Tài liệu YOLOv5, Joseph Redmon Link tham khảo: https://phamdinhkhanh.github.io/2020/03/09/DarknetAlgorithm.html Link tham khảo: GitHub - pbcquoc/vietocr: Transformer OCR