TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ======***====== BÀI TẬP LỚN TRÍ TUỆ NHÂN TẠO Đề tài Tìm hiểu về mạng CNN và ứng dụng nhận dạng biển số xe Hà Nội,2023 [Type text] LỜI CẢM ƠN[.]
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI KHOA CÔNG NGHỆ THƠNG TIN ======***====== BÀI TẬP LỚN: TRÍ TUỆ NHÂN TẠO Đề tài: Tìm hiểu mạng CNN ứng dụng nhận dạng biển số xe Hà Nội,2023 [Type text] LỜI CẢM ƠN Chúng em xin chân thành cảm ơn thầy cô trường Đại học Công Nghiệp Hà Nội, đặc biệt thầy cô môn Hệ thống thông tin, tận tình dạy dỗ, giúp đỡ tạo điều kiện tốt cho em suốt quãng thời gian em theo học trường, để em hồn thành đề tài Chúng em tỏ lịng biết ơn sâu sắc với TS Lê Thị Thuỷ, người tận tình hướng dẫn khoa học giúp đỡ, bảo em suốt trình nghiên cứu hồn thành báo cáo Tơi xin chân thành cảm ơn bạn học sinh viên khóa 14 trường Đại học Công Nghiệp Hà Nội giúp đỡ tơi q trình theo học trường, giúp đỡ thực đề tài Xin trân trọng cảm ơn! MỤC LỤC CHƯƠNG TỔNG QUAN VỀ MẠNG NƠ RON VÀ GIỚI THIỆU VỀ MẠNG NƠ RON TÍCH CHẬP 1.1 Nơ ron nhân tạo 1.1.1 Lịch sử nơ ron nhân tạo 1.1.2 Cấu tạo trình xử lý nơ ron sinh học .9 1.1.3 Cấu tạo trình xử lý nơ ron nhân tạo 1.1.4 Các mơ hình hàm kích hoạt mạng nơ ron nhân tạo .12 1.2 Mạng nơ ron tích chập 16 1.2.1 Khái niệm mạng nơ ron tích chập 16 1.2.2 Mơ hình mạng nơ ron tích chập 17 1.2.3 Xây dựng mạng nơ ron tích chập 18 1.2.3.7 Thư viện Tensor 25 a Giới thiệu .25 b Các option tải liệu vào TensorFlow .27 1.2.3.8 Thư viện Opencv .28 a Giới thiệu .28 1.2.3.9 thư viện Numpy 28 a Giới thiệu .29 CHƯƠNG .30 ỨNG DỤNG NHẬN DẠNG BIỂN SỐ XE .30 2.1 Bài toán 30 2.1.1 Phát biểu toán 30 2.1.2 Đầu vào 30 2.1.3 Đầu .31 2.1.4 Cấu trúc mạng lớp chương trình 31 2.1.Tạo tập liệu 32 2.2 Các bước thực 33 2.2.1:tạo data train data test cho model 33 2.2.2: Import thư viện cần thiết cho trình training 33 2.2.3: tạo model 33 2.2.4 Train tập liệu lưu model .34 2.2.5 tạo cửa sổ chương trình .34 Mở cửa sổ dialog chọn ảnh đầu vào 35 2.2.6 Tiền sử lý ảnh đầu vào 35 2.2.7 Xử lý kí tự sau cắt biển 38 2.2.8 Load model 41 2.2.9 Nhận dạng kí tự cắt 42 2.3 Kết 43 Danh mục ảnh CHƯƠNG TỔNG QUAN VỀ MẠNG NƠ RON VÀ GIỚI THIỆU VỀ MẠNG NƠ RON TÍCH CHẬP 1.1 Nơ ron nhân tạo 1.1.1 Lịch sử nơ ron nhân tạo Vào năm 1943, nhà thần kinh học Warren McCulloch nhà toán học Walter Pitts viết sách cách mạng thần kinh hoạt động Và họ thực mô mạng thần kinh đơn giản mạch điện [9] Vào năm 1949, Donald Hebb viết sách Organization of Behavior Điểm nhấn mạng thần kinh sử dụng nhiều tăng cường Vào năm 1959, David Hubel Torsten Wiesel xuất sách Receptive fields of single neurons in the cat’s striate cortex, miêu tả phản ứng tế bào thần kinh thị giác loài mèo, cách loài mèo ghi nhớ nhận diện hình dạng kiến trúc vỏ não Hinh 1.1 Hình ảnh thí nghiệm David Hubel Torsten Wiesel Hình 1.1 Hình ảnh thí nghiệm David Hubel Torsten Wiesel Vào năm 1989, Yann LeCun áp dụng thuật toán học cho mạng nơ ron theo kiểu lan truyền ngược vào kiến trúc mạng nơ ron tích chập Fukushima Sau vài năm, LeCun cơng bố LeNet-5 [13] Có thể nói, LeNet-5 mạng nơ ron tích chập sơ khai nhất, nhiên dấu ấn tồn tới ngày nay, thấy thông qua số thành phần thiết yếu mà mạng nơ ron tích chập ngày sử dụng 1.1.2 Cấu tạo trình xử lý nơ ron sinh học Hình 1.2: Hình ảnh nơ ron sinh học [14] Một nơ ron gồm có: thân nơ ron, tua gai thần kinh, sợi trục thần kinh, đó: Thân nơ ron: nơi xử lý tín hiệu đưa vào; Tua gai thần kinh: nơi nhận xung điện vào nơ ron; Sợi trục thần kinh: nơi đưa tín hiệu ngồi sau xử lý nơ ron; Khớp thần kinh: vị trí nằm tua gai thần kinh sợi trục thần kinh, điểm liên kết đầu nơ ron với đầu vào nơ ron khác 1.1.3 Cấu tạo trình xử lý nơ ron nhân tạo Dựa vào cấu tạo nơ ron sinh học, nhà khoa học nghiên cứu lập trình đưa kiến trúc nơ ron nhân tạo: Hình 1.3: Cơng thức nơ ron nhân tạo [41] Mạng nơ ron nhân tạo mơ tả đơn giản lại sau: Hình 1.4: Hình ảnh nơ ron nhân tạo Trong đó: Danh sách đầu vào: Là thuộc tính đầu vào nơ ron Số lượng thuộc tính đầu vào thường nhiều một, liệu thô đầu vào thường vector nhiều chiều, nhiều nơ ron tầng trước kết nối tới nơ ron tầng sau Trọng số liên kết: Các liên kết thể độ mạnh yếu qua giá trị gọi trọng số liên kết Kết hơp với đầu truyền, tín hiệu đến nơ ron nhân tạo khác tính ; Hình 1.5: Hình ảnh vị trí thiên lệch thêm vào thực tế Hàm tổng: Tổng tích đầu vào với trọng số liên kết mô khớp kết nối Sau qua hàm tính tổng để tính giá trị trước đưa vào hàm truyền; Thiên lệch (b): Độ lệch đưa vào sau khi tính tốn xong hàm tổng, tạo giá trị cuối trước đưa vào hàm truyền Mục đích việc thêm vào thiên lệch nhằm dịch chuyển chức hàm kích hoạt sang trái phải, giúp ích mạng huấn luyện Hình ảnh vị trí thiên lệch thêm vào mạng nơ ron thực tế Hình ảnh huấn luyện có khơng có thiên lệch: Hình 1.6: Kết hàm sigmoid với trọng số đầu vào khác khơng có thiên lệch Hình 1.7: Kết hàm sigmoid với trọng số thiên lệch khác Hàm kích hoạt (Activation functions): Hàm sử dụng để tính tốn giá trị đầu dựa vào giá trị hàm Tổng 1.1.4 Các mơ hình hàm kích hoạt mạng nơ ron nhân tạo 1.1.4.1 Hàm Sigmod