BÁO CÁO ĐỀ TÀI NHẬN DIỆN BIỂN BÁO GIAO THÔNG BẰNG MÔ HÌNH CNN

  ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ BÁO CÁO ĐỀ TÀI NHẬN DIỆN BIỂN BÁO GIAO THƠNG BẰNG MƠ HÌNH CNN MƠN HỌC: KHOA HỌC NHẬN THỨC GIẢNG VIÊN: TS Nguyễn Thế Hồng Anh Nhóm số: Các thành viên: Nguyễ guyễn n Duy Thành hành Trần Đức Anh Phạm Đức Anh    Hà Nội – 2022   Tóm tắt: Xe tự lái công nghệ nghiên cứu phát triển nhiều tập đoàn hàng đầu giới Thang đo cấp độ xe tự lái cấp – khơng có tính tự động – cấp độ – thay hoàn toàn thao tác điều khiển người Nhưng để đạt khả xác an tồn di chuyển cịn cần nhận biết tuân theo quy tắc giao thông cụ thể biển báo giao thông Báo cáo tập trung vào nghiên cứu mơ hình mạng tích chập CNN (Convolutional Neural Network) Network) để nhận diện loại biển báo giao thông Dữ liệu ảnh thu thập từ nguồn liệu mở kaggle với tập liệu gồm 50000 ảnh Sau kiểm nghiệm với mơ hình mạng tích chập chúng tơi thu kết với độ xác lên tới 95% Kết cho thấy, mơ hình phù hợp để áp dụng với tốn nhận diện  biển báo giao giao thơng thơng Từ khóa: Convolutional Neural Network, nhận diện biển báo BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Mục lục Đặt vấn đề đề .5 Cơ sơ lý thuyết thuyết .5 2.1 Mạng Neural tích chập (CNN) 2.2 Thư viện Keras Các bước thực 3.1 Tìm hiểu tập liệu liệu 88 3.2 Tiền xử lý liệu 10 3.3 Xây dựng mơ hình CNN CNN 11 3.4 Huấn luyện mô hình 12 3.5 Thiết kế giao diện người người dùng dùng .12 12 Đánh giá kết 13 13 Kết luận luận .13 13 BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Mục lục hình ảnh Hình Chức n ăng số cảm biến xe tự lái lái Hình Lưu đồ mơ hình CNN CNN .6 Hình Các loại biển báo có tập liệu liệu Hình Ảnh đầu vào số điều kiện khác 10 .10 Hình Lưu đồ tiền xử lý liệu liệu .11 11 Hình Các layer mơ hình mạng CNN CNN 12 12 BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Bảng Đặt vấn đề Công nghệ xe tự lái hay xe tự hành công nghệ nhiều nhà nghiên cứu công ty công nghệ lớn nghiên cứu, phát triển cho dịng xe riêng Công nghệ tập hợp việc thu thập liệu từ thiết bị cảm biến với khả cảm nhận môi trường xung quanh camera, radar, sonar, laser, lidar, định vị GPS với việc tính tốn liệu thu trí tuệ nhân tạo AI Các cảm biến xe có chức khác phục vụ cho tác vụ riêng biệt cho việc tự động lái xe Bảng Chức số cảm biến xe tự lái Hình thể chức cảm biến công nghệ xe tự lái Ví dụ radar  thực toán phát điểm mù hay cảnh báo va chạm phía sau xe Hoặc sử dụng lidar để phát người hay tránh va chạm với phương tiện khác Nhưng để đạt khả xác an tồn di chuyển cịn cần nhận biết tuân theo quy tắc giao thông, cụ thể biển báo giao thông Trong phạm vi báo cáo này, tập trung giải tốn nhận diện biển  báo giao thơng Bài tốn nhận diện biển báo giao thơng thực nhiều thuật tốn khác SVM, trích xuất đặc trưng HOG Ở đây, sử dụng mơ hình mạng neural tích chập CNN để thực tốn nhận diện biển báo giao thơng Bảng Cơ sơ lý thuyết 3.1 Mạng Neural tích chập (CNN) Mạng Neural tích chập (CNN) thuật tốn Deep Learning lấy hình ảnh đầu BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN vào, phân biệt đặc trưng/đối tượng khác ảnh gán giá trị trọng số BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   (weights), độ lệch (bias) cho đặc trưng/ đối tượng Vai trị mạng CNN giảm chiều hình ảnh thành dạng dễ xử lý giữ lại đặc trưng quan trọng để dự đốn tốt Ý tưởng mơ hình CNN sử dụng lọc ảnh để trích xuất đặc trưng ảnh trước đưa vào huấn luyện mạng neural Sau đưa qua lọc, đặc trưng ảnh làm bật từ sử dụng chúng để nhận diện hình ảnh Bảng  Lưu đồ mơ hình hình CNN  Hệ thống sử dụng mơ hình CNN mơ tả Hình Đầu tiên, liệu đầu vào gán nhãn Sau đó, q trình phân chia liệu, tập ảnh phân thành tập ảnh huấn luyện (training), tập ảnh thử (test) tập ảnh thẩm định (validation) Tập ảnh huấn luyện tập ảnh thẩm định đưa vào để huấn luyện cho mơ hình CNN để tìm giá trị trọng số (weights) Từ giá trị trọng số huấn luyện thử ảnh thử để đánh giá kết Trong CNN bao gồm lớp sau: Lớp mạng tích chập (convolution layer): có vai trị phát đặc trưng ảnh góc, cạnh, màu sắc, đường ngang, dọc hình dạng bật hình ảnh đầu vào Sau ảnh cho qua lớp tích chập, ảnh làm bật đặc trưng có ảnh, kết đầu thể tính chất cục ảnh Lớp tổng hợp (pooling layer): chịu trách nhiệm làm giảm chiều kết tích chập, giúp đơn giản hóa thơng tin đầu để giảm bớt số lượng neurol Ví dụ sau qua lớp Max pooling 2x2, chọn điểm ảnh có giá trị lớn cho vùng BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   có kích kích thước thước 2x2, 2x2, kết kết cho cho một hình hình ảnh ảnh đầu chỉ bằng hình hình ảnh ban ban đầu đặc trưng ảnh giữ lại, chí bật so với ban đầu Hàm phi tuyến (Nonlinear (Nonlinear layer): hàm kích hoạt với nhiệm vụ mơ neural có tỷ lệ truyền xung qua axon Hiện nay, hàm Relu sử dụng phổ biến ưu điểm bật như: hỗ trợ tính tốn nhanh, đơn giản hạn chế tình trạng vanishing gradient Lớp liên kết đầy đủ (Fully Connected Layer): sau ảnh qua nhiều lớp trước mơ hình học tương đối đặc trưng ảnh Sau đó, lớp liên kết đầy đủ chuyển ma trận đặc trưng thu tầng trước thành vector thể xác suất dự đoán label ảnh 4.1 Thư viện Keras Keras open source cho Neural Network viết ngôn ngữ python  Nó thư viện phát triển vào năm 2005 Francois Chollet – kỹ sư nghiên cứu Deep learning Keras coi thư viện high level với phần low level (back-end) (back-end) TensorFlow, TensorFlow, CNTK Theano Keras thiết kế để dễ dàng tạo mơ hình học sâu Keras tận dụng kỹ thuật tối ưu hóa khác để làm API cho mạng thần kinh cấp cao dễ dàng va hiệu Nó hỗ trợ nhiều tính như: API qn, đơn giản mở rộng; cấu trúc tối thiểu – dễ dàng đạt kết quả; hỗ trợ nhiều tảng backend; thân thiện với người dùng chạy CPU hay GPU; khả mở  rộng tính tốn cao  Những ưu điểm thư viện Keras gồm có:  Dễ dàng để kiểm tra  Viết ngôn ngữ Python giúp đơn giản hóa  Hỗ trợ mạng convolution recurrent  Cộng đồng lớn nên dễ tìm hỗ trợ  Keras hỗ trợ huấn luyện nhiều GPU phân tán BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Bảng Các bước thực 5.1 Tìm hiểu tập liệu Tập liệu chúng tơi sử dụng có tên là: German Traffic Sign Recognition Benchmark Dataset (GTSRB Dataset) Đây tập liệu opensource biển báo giao thông tiếng có Kaggle Tập liệu chứa 50000 ảnh loại  biển báo giao thông khác Dữ liệu tập phân loại tthành hành 43 lớp khác thể cho 43 loại biển báo Bảng Các loại biển báo có tập liệu Hình thể hình biển báo có tập liệu GTSRB Nhưng liệu loại biển báo không phân chia đồng đều, có số lớp chứa nhiều hình ảnh số lớp có Số lượng ảnh có lớp thể ở  Bảng Tên biển báo Số lượng ảnh Speed limit (20km/h) 210 Speed limit (30km/h) 2220 Speed limit (50km/h) 2250 Speed limit (60km/h) 1410 Speed limit (70km/h) Speed limit (80km/h) 1980 1860 End of speed limit (80km/h) 420 BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Speed limit (100km/h) 1441 Speed limit (120km/h) 1419  No passing passing 1470  No passing passing veh over over 3.5 tons 2010 Right-of-way at intersection 1320 Priority road 2100 Yield 2160 Stop 780  No vehicles vehicles 630 Veh > 3.5 tons prohibited 420  No entry 111 General caution 1200 Dangerous curve left Dangerous curve right 210 360 Double curve 330 Bumpy road 390 Slippery road 510 Road narrows on the right 270 Road work  1500 Traffic signals 600 Pedestrians 240 Children crossing 540 Bicycles crossing 270 Beware of ice/snow 450 Wild animals crossing 780 End speed + passing limits 240 Turn right ahead 689 Turn left ahead Ahead only 420 1200 BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN Go straight or right 390 BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Go straight or left 210 Keep right 2070 Keep left 300 Roundabout mandatory 360 End of no passing 240 End no passing veh > 3.5 tons 240 Bảng Số lượng ảnh có lớp  Ngồi ra, liệu ảnh lớp lấy nhiều điều kiện khác để đảm  bảo độ xác huấn luyện Ảnh bị mờ Ảnh bị tối màu Bảng  Ảnh đầu vào số điều kiện kiện khác nhau 8.1 Tiền xử lý liệu Đối với tập liệu biển báo giao thông mà đề cập tới phần trên, đọc tiền xử lý liệu theo bước thể lưu đồ mô tả Hình BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Bảng  Lưu đồ tiền tiền xử lý liệu liệu Đầu tiên, đọc ảnh tập liệu lớp ảnh Tiếp theo, resize ảnh kích thước 30x30 lưu vào ma trận ảnh để làm đầu vào cho mơ hình CNN Cùng với đó, nhãn lớp ảnh chuyển dạng One-hot Encoding One-hot Encoding thể phân nhãn lớp vector  kích thước m biển thị cho số lớp gồm giá trị nhị phân 1, vị trí phần tử xác định label ảnh tương ứng  Sau đó, ma trận ảnh chia thành tập huấn luyện (train set) tập ảnh thử (test set) với số lượng ảnh thể Bảng Tập huấn luyện 39219 Tập thử 12631 Bảng 10 Tỷ lệ chia liệu ảnh 10.1 Xây dựng mơ hình CNN Mơ hình mạng neural tích chập chúng tơi đề xuất xây dựng thư viện Keras Mô tả lớp mơ hình thể Hình sau: BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN   Bảng 11 Các layer mơ hình mạng CNN  11.1 Huấn luyện mơ hình Với mơ hình xây dựng phần trên, huấn luyện qua số lượng epochs 15 batch size 32 Trong huấn luyện, chọn tập validation để kiểm tra độ xác mơ hình lúc huấn luyện nhằm tránh tượng Overfitting Tập validation lấy từ phần tập huấn luyện với tỉ lệ 20% Kết sau q trình huấn luyện cho mơ hình trình bảy phần sau báo cáo 11.2 Thiết kế giao diện người dùng Để đánh giá hiệu cho mơ hình cách trực quan, xây dựng giao diện để người dùng kiểm tra kết nhận dạng biển báo có với biển báo thực tế BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN BAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNNBAO.CAO.DE.TAI.NHAN.DIEN.BIEN.BAO.GIAO.THONG.BANG.MO.HINH.CNN