TRÍ TUỆ NHÂN tạo TRONG BOBOT NHẬN DIỆN, PHÂN LOẠI rác SINH HOẠT

TRÍ TUỆ NHÂN TẠO TRONG BOBOT NHẬN DIỆN, PHÂN LOẠI RÁC SINH HOẠT Mơn học : Trí tuệ nhân tạo robot GVHD : TS Nguyễn Xuân Thuận TS Hoàng Hồng Hải Sinh viên thực Nguyễn Quang Sáng - 20184600 Vương Sỹ Phúc - 20184579 Lý chọn đề tài: • Phân loại rác Việt Nam chưa trọng Mục tiêu: • Hồn thành đề tài • Nhận biết phân loại sản phẩm rác như: đồ nhựa, chai lọ thủy tinh, pin rác hữu cơ,… 3.Cơ sở lý thuyết mạng • Về Google Colab: Google Colab (Google Colaboratory) trang web online  cho hỗ trợ chạy code Python trực tiếp thơng qua trình duyệt , phù hợp với Data analysis (phân tích liệu), machine learning (máy học) giáo dục Khơng địi hỏi cấu hình máy tính mà sử dụng tài nguyên máy tính từ hệ thống sẵn có (CPU, GPUs, TPUs) 3.Cơ sở lý thuyết mạng • Về mạng nơ ron tích chập (CNN- Convolution Neural Network) - Giới thiệu: +Trong mạng neural, mơ hình mạng neural tích chập (CNN) mơ hình để nhận dạng phân loại hình ảnh.  +CNN phân loại hình ảnh cách lấy hình ảnh đầu vào, xử lý phân loại theo hạng mục định Máy tính coi hình ảnh đầu vào mảng pixel ,dựa độ phân giải hình ảnh, máy tính thấy H x W x D (H: Chiều cao, W: Chiều rộng, D: Độ dày) Mảng ma trận RGB 6x6x3 (3 -giá trị RGB) 3.Cơ sở lý thuyết mạng +Mơ hình CNN để training kiểm tra, hình ảnh đầu vào chuyển qua loạt lớp tích chập với lọc (Kernals), tổng hợp lại lớp kết nối đầy đủ (Full Connected) áp dụng hàm Softmax để phân loại đối tượng có giá trị xác suất  Luồng CNN để xử lý hình ảnh đầu vào phân loại đối tượng dựa giá trị 3.Cơ sở lý thuyết mạng -Lớp tích chập (Convolution Layer) Mỗi nơ ron tích chập(filter/kernel) kết nối cục với liệu đầu vào, lớp để trích xuất tính từ hình ảnh đầu vào Chiều sâu nơ-ron tích chập chiều sâu khối liệu đầu vào Nơ ron tích chập trượt từ trái sang phải, từ xuống khối liệu đầu vào tính tốn để sinh đồ kích hoạt ( activation map ) 3.Cơ sở lý thuyết mạng -Bước nhảy ( Stride ) Stride số pixel thay đổi ma trận đầu vào Khi stride ta di chuyển kernel pixel Khi stride ta di chuyển kernel pixel tiếp tục -Đường viền (Padding) Đôi kernel không phù hợp với hình ảnh đầu vào,ta chèn thêm số vào đường biên hình ảnh (zero padding) 3.Cơ sở lý thuyết mạng Giả sử có thêm nơ-ron tích chập khác hoạt động tương tự sinh đồ kích hoạt thứ hai( trọng số khác nhau) Các đồ kích hoạt ghép với thành “ảnh mới” Mạng nơ-ron tích chập dãy lớp tích chập nối liên tiếp xen kẽ hàm kích hoạt (ví dụ ReLU) 10 3.Cơ sở lý thuyết mạng -Hàm phi tuyến (ReLU) ReLU viết tắt Rectified Linear Unit, hàm phi tuyến Với đầu là: ƒ (x) = max (0, x) , chuyển giá trị âm thành giữ nguyên giá trị dương -Lớp gộp (Pooling Layer) Giúp giảm độ phân giải khối liệu để giảm nhớ khối lượng tính tốn Hoạt động độc lập đồ kích hoạt Pooling có nhiều loại khác nhau: Max Pooling ,Average Pooling ,Sum Pooling 11 3.Cơ sở lý thuyết mạng Lớp gộp max pooling giúp mạng biểu diễn bất biến thay đổi tịnh tiến (translation invariance) biến dạng (deformation invariance) liệu đầu vào Max pooling lấy phần tử lớn từ ma trận đối tượng 12 3.Cơ sở lý thuyết mạng • Đầu vào lớp tích chập hình ảnh • Chọn đối số, áp dụng lọc với bước nhảy, padding cần Thực tích chập cho hình ảnh áp dụng hàm kích hoạt ReLU cho ma trận hình ảnh • Thực MaxPooling để giảm kích thước cho hình ảnh • Thêm nhiều lớp tích chập cho phù hợp • Xây dựng đầu liệu đầu vào thành lớp kết nối đầy đủ (Full Connected) • Sử dụng hàm kích hoạt để tìm đối số phù hợp phân loại hình ảnh 13 4.Code kết thu 14 4.Code kết thu 15 4.Code kết thu 16 4.Code kết thu 17 4.Code kết thu 18 THANK YOU ! 19 ...NHẬN DIỆN, PHÂN LOẠI RÁC SINH HOẠT Môn học : Trí tuệ nhân tạo robot GVHD : TS Nguyễn Xuân Thuận TS Hoàng Hồng Hải Sinh viên thực Nguyễn Quang Sáng - 20184600... - 20184579 Lý chọn đề tài: • Phân loại rác Việt Nam chưa trọng Mục tiêu: • Hồn thành đề tài • Nhận biết phân loại sản phẩm rác như: đồ nhựa, chai lọ thủy tinh, pin rác hữu cơ,… 3.Cơ sở lý thuyết... Network) - Giới thiệu: +Trong mạng neural, mơ hình mạng neural tích chập (CNN) mơ hình để nhận dạng phân loại hình ảnh.  +CNN phân loại hình ảnh cách lấy hình ảnh đầu vào, xử lý phân loại theo hạng mục