Xây dựng công cụ nâng cao chất lượng ảnh dựa trên Keras

TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN  -             BÁO CÁO NGHIÊN CỨU KHOA HỌC ĐỀ TÀI: XÂY DỰNG CÔNG CỤ NÂNG CAO CHẤT LƯỢNG ẢNH DỰA TRÊN KERAS Nguyễn Đăng Khoa BIÊN HÒA, THÁNG 11/2018 TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN - - BÁO CÁO NGHIÊN CỨU KHOA HỌC     ĐỀ TÀI:   CỤ NÂNG CAO CHẤT XÂY DỰNG CÔNG  LƯỢNG ẢNH DỰA TRÊN KERAS       Sinh viên thực hiện: Nguyễn Đăng Khoa Giáo viên hướng dẫn: Th.S Tạ Nguyễn BIÊN HÒA, THÁNG 11/2018 I LỜI CẢM ƠN Sau khoảng thời gian học tập rèn luyện trường Đại Học Lạc Hồng Em học nhiều thứ bổ ích cách sống bên cạnh kiến thức mà thầy cô dậy Bằng biết ơn kính trọng, em xin gửi lời cảm ơn chân thành đến ban giám hiệu, thầy cô trường đặc biệt thầy cô khoa Công Nghệ Thông Tin tạo cho em môi trường học tập tốt Em xin gửi lời cảm ơn đến Th.S Tạ Nguyễn, giáo viên hướng dẫn cho em Thầy theo sát, hướng dẫn động viên em q trình làm đề tài Ngồi em xin gửi lời cảm ơn đến gia đình bạn bè em, người ln theo sát động viên em trình học tập Mặc dù cố gắng nhiều, luận khơng tránh khỏi thiếu sót Em mong nhận thông cảm, dẫn, giúp đỡ đóng góp ý kiến ban giám hiệu quý thầy cô Em xin chân thành cảm ơn Biên Hòa, tháng 11 năm 2018 Sinh viên thực Nguyễn Đăng Khoa II MỤC LỤC LỜI CẢM ƠN I MỤC LỤC II DANH MỤC HÌNH V PHẦN MỞ ĐẦU 1 Lý chọn đề tài Tình hình nghiên cứu 2.1 Ngoài nước 2.2 Trong nước Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu 4.2 Phạm vi nghiên cứu Phương pháp nghiên cứu Những đóng góp đề tài vấn đề mà đề tài chưa thực 6.1 Những đóng góp 6.2 Những vấn đề chưa thực Kết cấu đề tài Chương : Cơ sở lý thuyết 1.1 Tổng quan học máy 1.1.1 Học máy gì? 1.1.2 Các phương pháp học máy 1.1.3 Tại phải học máy 1.1.3.1 Trường hợp câu trả lời 1.1.3.2 Trường hợp biết cách thực khơng thể diễn giải để máy tính thực lại 1.1.3.3 Trường hợp liệu thay đổi liên tục, ta khơng thể thường xun lập trình lại chức 1.1.3.4 Trường hợp ta khơng thể lập trình cụ thể cho người dùng giới hạn nhân lực 1.1.4 Ứng dụng học máy 1.2 Thư viện Keras III 1.2.1 Thư viện Keras gì? 1.2.2 Tại lại sử dụng Keras 1.2.3 Một số thuật ngữ học máy Keras 1.2.3.1 Deep Learning 1.2.3.2 Layer 1.2.3.3 Model 1.2.3.4 Train 1.2.3.5 Data 10 1.2.3.6 Sequential model 10 1.2.3.7 Custom model 10 1.2.3.8 Fit 10 1.2.3.9 Compile 10 1.2.3.10 Predict 10 1.2.3.11 Test 10 1.2.3.12 Overfitting 11 1.2.3.13 Features 11 1.2.3.14 Convolution 11 1.2.4 Một số layer Keras 12 1.2.4.1 Convolution Layer 12 1.2.4.2 Conv2D Transpose 13 1.2.4.3 Pooling Layer 13 1.2.4.4 Fully-Connected Layer 13 1.2.5 Quy trình làm việc Keras: 13 1.3 Ngơn ngữ lập trình thư viện khác dùng đề tài 14 1.3.1 Python 3.6.3 14 1.3.2 Thư viện OpenCV 14 1.3.3 Thư viện Tensorflow 14 1.3.4 Thư viện Numpy 15 1.4 Mơ hình CNN 15 1.4.1 Tầng Convolution (Conv) 15 1.4.2 Tầng Pooling 16 1.4.3 Tầng Relu 17 1.4.4 Tầng Fully-connected 18 IV 1.4.5 Kết luận 18 1.5 Mơ hình SRCNN 19 1.6 Tiểu kết 20 Chương : Xây dựng công cụ cải thiện chất lượng ảnh dựa Keras 21 2.1 Tìm hiểu 21 2.2 Chọn phương pháp học máy 21 2.3 Thu thập kiến thức từ nhiều nguồn 22 2.4 Cài đặt môi trường làm việc số thư viện cần thiết 22 2.4.1 Cài đặt chương trình Atom 22 2.4.2 Cài đặt Python 22 2.4.3 Cài đặt thư viện OpenCV 22 2.4.4 Cài đặt thư viện Tensorflow windows 23 2.4.5 Cách cài đặt Keras windows: 23 2.4.6 Cài đặt thư viện numpy 23 2.5 Xử lý data xây dựng mơ hình học máy 23 2.5.1 Vài nét data 23 2.5.2 Xử lý data 23 2.5.3 Xây dựng mơ hình học máy 25 2.5.4 Quá trình học máy 26 2.5.5 Giao diện công cụ 27 2.6 Tiểu kết 27 Chương : Thử nghiệm đánh giá kết 28 3.1 Kiểm chứng mơ hình 28 3.2 Đánh giá công cụ 31 3.3 Tiểu kết 31 KẾT LUẬN 32 TÀI LIỆU THAM KHẢO 33 V DANH MỤC HÌNH Hình 1-1: Phân loại học máy Hình 1-2: Keras đứng thứ bảng xếp hạng độ phổ biến GibHub .8 Hình 1-3: Minh họa lớp convolution 2D 12 Hình 1-4: Quy trình làm việc Keras 13 Hình 1-5: Phép tính tầng convolution 16 Hình 1-6: Kết thu sau tính tốn 16 Hình 1-7: Phép tính tầng Pooling 17 Hình 1-8: Kết nối neural 18 Hình 1-9: Hình ảnh minh họa mơ hình CNN .19 Hình 1-10: Minh họa tăng kích thước ảnh giữ độ nét 20 Hình 2-1: Mơ hình học máy có giám sát 22 Hình 2-2: Cách trích xuất data 24 Hình 2-3: Mơ hình học máy đề tài 25 Hình 2-4: Quá trình học máy Keras 26 Hình 2-5: Giao diện công cụ 27 Hình 3-1: Kết kiểm chứng 30 PHẦN MỞ ĐẦU Lý chọn đề tài Photoshop có lẽ cơng cụ đề cập đến vấn đề xử lý nâng cao chất lượng ảnh Việc nâng cao chất lượng ảnh việc dễ dàng những thành tạo photoshop Tuy nhiên với người chưa biết cơng cụ họ khơng muốn thời gian để tìm hiểu sử dụng phải Đó lý tác giả xây dụng công cụ giúp nâng cao chất lượng ảnh tự động dựa vào học máy Những báo cáo nghiên cứu Computer Vision hay cụ thể Image Super-Resolution quan tâm giới Việc cải thiện chất lượng ảnh giúp nhiều vấn đề như: giúp quan điều tra, kiểm soát camera tốt hơn, cải thiện hình ảnh từ ảnh chất lượng thấp điện thoại bạn hay tuyệt vời cải thiện chất lượng ảnh hạn sử dụng Ở Việt Nam trường đại học bắt đầu đưa xử lý ảnh làm môn học chuyên ngành sinh viên ngành cơng nghệ thơng tin Tình hình nghiên cứu 2.1 Ngoài nước Việc nâng cao chất lượng ảnh tốn ý tồn giới, chứng cho điều vào năm 2017 thi “New Trends in Image Restoration and Enhancement workshop and challenge on Image superresolution” tổ chức với The Conference on Computer Vision and Pattern Recognition – CVPR 2017 (đây hội nghị lớn cho Machine learning Computer Vision) cho thấy tiềm đầy hứa hẹn tương lai Trong đề tài tác giả Yifan Wang, Lijun Wang, Hongyu Wang, Peihua Li có tên “End-to-End Image Super-Resolution via Deep and Shallow Convolutional Networks” sử dụng keras để tạo model học máy giúp cho việc tăng kích thước ảnh lên giữ độ nét hình ảnh [13] Ngồi tốn nâng cao chất lượng ảnh ứng dụng trang website tiếng trang letsenhance.io: website miễn phí cho phép người dùng tận dụng mạng nơ-ron, nói cách khác AI để cải thiện nâng cao chất lượng hình ảnh mà công cụ Photoshop làm 2.2 Trong nước So với nước phát triển khác tình hình nghiên cứu nước ta nói sơi động Dưới vài đề tài bật liên quan đến xử lý nâng cao chất lượng ảnh Đề tài tác giả Nguyễn Xuân Cường nghiên cứu kỹ thuật xử lý ảnh phục vụ việc nâng cao chất lượng nhận dạng tiếng Việt Ở đề tài tác giả sử dụng OpenCV để tăng độ nét, tăng độ tương phản, loại bỏ phông nền, loại bỏ nhiễu… [14] Đề tài tác giả Phạm Ngọc Quảng phương pháp dùng để nâng cao chất lượng ảnh sử dụng y học tăng giảm độ sáng, tách ngưỡng, bó cụm, cân histogram… [15] Mục tiêu nghiên cứu Đề tài thực với mục tiêu:  Nghiên cứu thư viện Keras thư viện OpenCV  Tìm hiểu tạo mơ hình học máy phù hợp  Tìm xây dựng tập data dành cho q trình học  Xây dựng cơng cụ giúp tăng gấp đơi kích thước ảnh cải thiện độ nét so với phóng to gấp đơi bình thường  Kiểm tra đánh giá công cụ Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu  Phương pháp học máy  Thư viện học máy Keras  Thư viện xử lý ảnh OpenCV 4.2 Phạm vi nghiên cứu Phạm vi nghiên cứu ảnh có độ phân giải thấp (Vd: 300x200, 400x205) Phương pháp nghiên cứu  Sử dụng mơ hình CNN (Convolutional Neural Network) để cải thiện chất lượng ảnh giảm thiểu việc vỡ điểm ảnh phóng to lên  Ngơn ngữ lập trình sử dụng Python phiên 3.6.3  Sử dụng thư viện Keras để xây dựng mơ hình  Sử dụng Tensorflow làm tảng cho Keras  Sử dụng tập Dataset DIV2K gồm 900 ảnh độ phân giải lớn (800 Train, 100 Valid) Những đóng góp đề tài vấn đề mà đề tài chưa thực 6.1 Những đóng góp  Đơn giản hóa q trình nâng cao chất lượng ảnh  Giúp phổ biến toán học máy xử lý ảnh Việt Nam 6.2 Những vấn đề chưa thực  Chưa tạo công cụ thân thiện với người sử dụng  Khơng xử lý ảnh có độ phân giải cao Kết cấu đề tài Luận văn chia làm ba phần: phần mở đầu, phần nội dung phần kết luận Phần mở đầu Nêu lý chọn đề tài, tổng quan tình hình phát triển nước lẫn nước, mục tiêu nghiên cứu đề tài, đối tượng, phạm vi, phương pháp nghiên cứu 20 Hình 1-10: Minh họa tăng kích thước ảnh giữ độ nét 1.6 Tiểu kết Trên phần sở lý thuyết số thư viện sử dụng đề tài Tiếp theo luận văn chương xây dựng công cụ cải thiện chất lượng ảnh dựa Keras 21 Chương : XÂY DỰNG CÔNG CỤ CẢI THIỆN CHẤT LƯỢNG ẢNH DỰA TRÊN KERAS Để xây dựng công cụ cải thiện chất lượng ảnh, tác giả chia bước:  Tìm hiểu đề tài  Chọn phương pháp học máy phù hợp với đề tài  Thu thập kiến thức từ nhiều nguồn  Cài đặt môi trường làm việc  Xử lý data xây dựng mơ hình học máy  Tiến hành cho học máy 2.1 Tìm hiểu Tìm hiểu kiến thức trước vào giải vấn đề cần thiết, Python, Machine Learning, Deep Learning, Keras CNN tác giả tìm hiểu để giải tốn xây dựng mơ hình SRCNN 2.2 Chọn phương pháp học máy Ở đề tài tác giả sử dụng học có giám sát Supervised learning thuật toán dự đoán đầu (outcome) liệu (new input) dựa cặp (input, outcome) biết từ trước Cặp liệu gọi (data, label), tức (dữ liệu, nhãn) Supervised learning nhóm phổ biến thuật tốn Machine Learning [8] 22 Hình 2-1: Mơ hình học máy có giám sát 2.3 Thu thập kiến thức từ nhiều nguồn Các vấn đề đặt thường có hướng giải người giải trước đó, việc cần làm tìm nguồn để sử dụng cải tiến Ở tơi chọn Github Google Scholar để tìm paper đáng tin cậy xác, Data tìm Kaggle Google Image muốn tạo Data cho riêng thân, riêng đề tài này, tơi chọn Data có sẵn tiếng Data DIV2K 2.4 Cài đặt môi trường làm việc số thư viện cần thiết 2.4.1 Cài đặt chương trình Atom Có thể cài đặt Atom cách tải phần mền địa https://atom.io/ cài đặt làm theo hướng dẫn website [9] 2.4.2 Cài đặt Python Truy cập vào trang web https://www.python.org/downloads/ cài đặt [10] 2.4.3 Cài đặt thư viện OpenCV Ở đề tài tác giả sử dụng OpenCV 3.4.1 Để cài đặt thực tải thư viện OpenCV từ đường dẫn https://pypi.org/project/opencv-python/#downloads tiến hành tải gói cài đặt phù hợp Sau tải cài đặt thư viện lệnh sau: 23 KhoaC:> Pip install path # với path đường dẫn đến file vừa tải 2.4.4 Cài đặt thư viện Tensorflow windows Để cài đặt Tensorflow bạn làm theo hướng dẫn website [11] Cũng cài câu lệnh đơn giản là: KhoaC:> Pip install –upgrade tensorflow 2.4.5 Cách cài đặt Keras windows: Cài đặt Keras cần vào cmd gõ câu lệnh: KhoaC:> pip install keras Mặc định câu lệnh cài đặt theo backend tensorflow 2.4.6 Cài đặt thư viện numpy Cài đặt thư viện Numpy lệnh: KhoaC:> pip install numpy 2.5 Xử lý data xây dựng mơ hình học máy 2.5.1 Vài nét data Ở đề tài tác giả sử dụng data DIV2K (của tác giả : Agustsson, Eirikur and Timofte, Radu) gồm ảnh có độ phân giải cao thu thập từ internet [12] Train data: Gồm 800 ảnh có độ phân giải cao Validation data: Gồm 100 ảnh có độ phân giải cao 2.5.2 Xử lý data Thông thường để tạo ảnh HR (High-resolution), ta phải thực việc kết hợp thông tin nhiều ảnh độ phân giải thấp (Multiple Image Super Resolution -MISR) Những kỹ thuật thực máy ảnh kỹ thuật cao qua chương trình xử lý ảnh Photoshop Tuy nhiên, nhược điểm phương pháp cần nhiều ảnh độ Commented [TMD6]: Data ảnh xuất xứ đâu tham khảo nguồn hay tự tạo không thấy đề cập? 24 phân giải thấp chúng phải chỉnh đối tượng ảnh phải đứng yên thời gian chụp Hơn nữa, tốc độ xử lý khơng cao Việc chỉnh tỉ mỉ tránh dùng ảnh độ phân giải thấp Nhưng ngược lại, chất lượng ảnh đầu khó đảm bảo nhiều thơng tin cần sinh dựa nhỏ lượng thơng tin ảnh đầu vào Bài tốn gọi Single Image SR (SISR), thứ mà tơi sử dụng Q trình trích lọc Data hiểu sơ đồ bên dưới: Hình 2-2: Cách trích xuất data Crop ảnh HR thành nhiều khung ảnh nhỏ khác với kích thước 96x96 tập label để train Từ ảnh HR tạo ảnh LR đối chiếu cách giảm tỷ lệ ½ Crop ảnh LR tương ứng với HR để tạo tập Data ảnh 48x48 đối chiếu với label Từ Data(X) Label(Y) ta đưa vào model để tìm đặc điểm bố trí pixel phù hợp 25 2.5.3 Xây dựng mơ hình học máy Mơ hình SRCNN đề tài xây dựng theo mơ hình EEDS, mơ hình xác tác giả Yifan Wang, Lijun Wang, Hongyu Wang, Peihua Li “End-to-End Image Super-Resolution via Deep and Shallow Convolutional Networks” [13] Keras thư viện mà tác giả sử dụng để xây dựng mơ hình EEDS Ở mơ hình này, tác giả sử dụng lớp convolution Conv2D Conv2Dtranspose Ở lớp Conv2D ảnh qua bóc tách đặc điểm đặc trưng ảnh để mơ hình dễ dàng học Còn lớp Conv2Dtranspose ảnh qua tăng kích thước lên gấp lên gấp đơi để phù hợp với đầu mong muốn mơ hình Hình 2-3: Mơ hình học máy đề tài Mơ hình gồm phần Deep Network Shallow Network Vùng Shallow network đơn giản Upsampling ảnh để tăng kích thước đầu Vùng Deep network thực chuyên sâu theo tuần tự: Bóc tách features ảnh nhờ vào Convolution Layer, Tăng kích thước đầu Conv2Dtranspose(x2) sau liên tục sử dụng Convolution Layer để tìm features nhỏ mơ hình thật fully-connected 26 2.5.4 Quá trình học máy Dữ liệu đầu vào hai tập ảnh gồm tập train tập validation Các ảnh chuyển mảng hai chiều Các mảng hai chiều gồm giá trị đến 255 đại diện cho màu sắc ảnh Các mảng đươc chạy qua lớp mơ hình tác giả xây dựng Quá trình đào tạo cung cấp liên tục cặp liệu nhãn vào mơ hình Trong q trình đào tạo, độ xác mơ hình kiểm tra liệu thử nghiệm Độ xác tăng dần đạt ngưỡng xác định dừng lại Commented [TMD7]: Lỗi tả Q trình đạo tạo diễn hình: Hình 2-4: Q trình học máy Keras Commented [TMD8]: Chính tả 27 2.5.5 Giao diện cơng cụ Hình 2-5: Giao diện công cụ 2.6 Tiểu kết Ở chương tác giả nêu tồn q trình thư viện áp dụng đề tài xây dựng công cụ cải thiện chất lượng ảnh tác giả Tiếp theo chương chương 3, thử nghiệm đánh giá kết 28 Chương : THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 3.1 Kiểm chứng mơ hình Để kiểm chứng mơ hình, tác giả sử dụng cơng thức tính PSNR làm phương pháp kiểm chứng Sau lần thu ảnh từ chương trình, ta sử dụng cơng thức tính PSNR (Tỉ số tín hiệu cực đại nhiễu), PSNR sử dụng để đo chất lượng tín hiệu khơi phục thuật tốn nén có mát liệu (lossy compression) (ví dụ: dùng nén ảnh), thơng thường PSNR cao chất lượng liệu khơi phục tốt, ta xem ví dụ bên Ở tác giả so sánh cách phóng to phóng to trang website https://letsenhance.io/ phóng to cơng cụ tác giả xây dựng Letsenhance website tiếng sử dụng học máy nâng cao chất lượng ảnh Ảnh gốc Phóng to https://letsenhance.io Phóng to cơng cụ tác giả PSNR: 19.83049 PSNR: 25.71533 PSNR: 30.66796 PSNR: 36.35731 Commented [TMD9]: Nêu lý so sánh với trang web mà không so với trang web khác? 29 PSNR: 25.98681 PSNR: 32.54989 PSNR: 29.52154 PSNR: 33.71956 PSNR: 27.66312 PSNR: 31.09013 PSNR: 26.84671 PSNR: 29.58269 30 PSNR: 30.57713 PSNR: 35.43087 PSNR: 25.18257 PSNR: 27.67041 PSNR: 31.85644 PSNR: 35.60021 PSNR: 21.98174 PSNR: 26.19575 Hình 3-1: Kết kiểm chứng Kết luận: Có thể thấy ảnh phóng to cơng cụ tác giả giữ chi tiết từ ảnh gốc tốt ảnh phóng to sử dụng trang website https://letsenhance.io/ 31 3.2 Đánh giá cơng cụ Qua q trình kiểm chứng cho thấy, ảnh phóng to cơng cụ cải thiện chất lượng ảnh mà tác giả xây dựng đem lại độ xác tốt Những ảnh sau phóng to giữ chi tiết đặc trưng mà ảnh gốc sở hữu 3.3 Tiểu kết Trong chương tác giả ghi lại q trình kiểm tra độ xác cơng cụ mà tác giả xây dựng đề tài Phần cuối tác giả ghi nêu làm hướng phát triển tương lai 32 KẾT LUẬN Kết đạt được: Qua trình nghiên cứu đề tài “Xây dựng công cụ nâng cao chất lượng ảnh”, tác giả đạt số kết sau:  Lần tiếp cận với học máy biết lợi ích  Biết ngơn ngữ lập trình với nhiều ưu điểm bật Python  Sau thời gian tìm hiểu Keras tác giả biết cách ứng dụng Keras vào công việc khác phân loại trái phân loại sản phẩm đạt hay không đạt Định hướng phát triển tương lai:  Sẽ tìm giải pháp để cải thiện chất lượng ảnh đầu tốt  Có thể phát triển cơng cụ tảng web app để người dùng dễ dàng tiếp cận Commented [TMD10]: Không hiểu nghĩa 33 TÀI LIỆU THAM KHẢO Tài liệu sách [1] Machine Learning book for Vietnamese - Nguyễn Xuân Khánh University of Maryland https://ml-book-vn.khanhxnguyen.com/ Tài liệu internet [2] Trang web chuyên học máy: https://viettimes.vn/may-hoc-machine-learning-la-gi-va-tai-sao-cang-ngay-nocang-pho-bien-146666.html [3] Tại cần machine learning: https://ongxuanhong.wordpress.com/2015/07/06/tai-sao-can-machine-learning/ [4] Thông tin Convolution Layer: https://trantheanh.github.io/2017/09/29/ML-20/ [5] Những kiến thức OpenCV cài đặt: https://blog.vietnamlab.vn/2017/12/22/xu-ly-anh-voi-opencv-tut-1-cai-datopencv/ [6] Thư viện Numpy cách sử dụng: https://viblo.asia/p/machine-learning-deep-learning-cho-nguoi-bat-dau-pythonmang-numpy-numpy-array-OeVKByL25kW [7] Mơ hình CNN: https://tiendv.wordpress.com/2016/12/25/convolutional-neural-networks/ [8] Phân loại học máy: https://machinelearningcoban.com/2016/12/27/categories/#supervised-learninghoc-co-giam-sat [9] Tổng quan Atom cách cài đặt: https://o7planning.org/vi/11929/huong-dan-cai-dat-trinh-soan-thao-atom [10] Hướng dẫn chi tiết cách cài đặt Python windows: https://o7planning.org/vi/11375/huong-dan-cai-dat-va-cau-hinh-python [11] Cách cài đặt tensorflow windows: http://vn.apps-gcp.com/huong-da%CC%83n-cai-da%CC%A3t-tensorflow-trenwindow/ [12] Data DIV2K: 34 https://data.vision.ee.ethz.ch/cvl/DIV2K/ [13] Bài toán nâng cao chất lượng ảnh: https://arxiv.org/pdf/1607.07680.pdf [14] Nghiên cứu kỹ thuật xử lý ảnh phục vụ cho việc nhận dang chữ tiếng việt: https://text.123doc.org/document/3154808-nghien-cuu-cac-ky-thuat-xu-ly-anhphuc-vu-viec-nang-cao-chat-luong-nhan-dang-tieng-viet.htm [15] Tìm hiểu phương pháp nâng cao chất lượng ảnh y học: http://luanvan.co/luan-van/do-an-tim-hieu-phuong-phap-nang-cao-chat-luonganh-y-hoc-44640/ [16] Sợ lượt Keras: http://code24h.com/keras-va-dataset-api-da-tro-thanh-phan-khong-the-thieutrong-tensorflow-1-4-d309.htm [17] Độ phổ biến Keras: https://twitter.com/fchollet/status/971974547854381056 [18]Tổng quan deep learning: https://www.thuatngumarketing.com/deep-learning/ ... thước ảnh giữ đợ nét 1.6 Tiểu kết Trên phần sở lý thuyết số thư viện sử dụng đề tài Tiếp theo luận văn chương xây dựng công cụ cải thiện chất lượng ảnh dựa Keras 21 Chương : XÂY DỰNG CÔNG CỤ CẢI...TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN - - BÁO CÁO NGHIÊN CỨU KHOA HỌC     ĐỀ TÀI:   CỤ NÂNG CAO CHẤT XÂY DỰNG CÔNG  LƯỢNG ẢNH DỰA TRÊN KERAS       Sinh viên thực... lượng ảnh dựa Keras 21 Chương : XÂY DỰNG CÔNG CỤ CẢI THIỆN CHẤT LƯỢNG ẢNH DỰA TRÊN KERAS Để xây dựng công cụ cải thiện chất lượng ảnh, tác giả chia bước:  Tìm hiểu đề tài  Chọn phương pháp