ĐẠI HỌC ĐÀ NẴNGKHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNGĐỒ ÁN CƠ SỞ 4ĐỀ TÀI: NHẬN DẠNG VẬT THỂ TRONG ẢNH

ĐẠI HỌC ĐÀ NẴNG KHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG ĐỒ ÁN CƠ SỞ ĐỀ TÀI: NHẬN DẠNG VẬT THỂ TRONG ẢNH Sinh viên thực : NGUYỄN ĐỨC NGỌC KỲ Giảng viên hướng dẫn : TS LÊ VĂN MINH Lớp : 17IT1 Đà nẵng, tháng 12 năm 2019 ĐẠI HỌC ĐÀ NẴNG KHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG ĐỒ ÁN CƠ SỞ NHẬN DẠNG VẬT THỂ TRONG ẢNH Đà Nẵng, tháng 12 năm 2019 MỞ ĐẦU …………………………………………… ………………………………………………………………………… ………………………………………………………………………… ………………………………………………………………………… ………………………………………………………………………… ………………………………………………………………………… ………………………………………………………………………… ………………………………………………………………………… LỜI CẢM ƠN Em xin chân thành cảm ơn KHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VÀ ĐẠI HỌC ĐÀ NẴNG tạo điều kiện cho em thực đề tài Em xin gửi lời cảm ơn chân thành đến tất Thầy cô giảng dạy chúng em suốt thời gian quan Cảm ơn đến thầy (cô) TS.LÊ VĂN MINH hướng dẫn em thực đề tài Nhân đây, em xin bày tỏ lòng biết ơn sâu sắc đến ba mẹ gia đình ni dạy em nên người, chỗ dựa tinh thần vững chắc, giúp cho em vượt qua khó khăn, thử thách sống Bên cạnh đó, để hồn thành khóa thực tập này, em nhận nhiều giúp đỡ, lời động viên quý báu bạn bè, anh chị thân hữu, em xin hết lòng cảm ơn Tuy nhiên, thời gian hạn hẹp, nỗ lực mình, đề tài khó tránh khỏi thiếu sót Em mong nhận thơng cảm, bảo tận tình thầy bạn NHẬN XÉT ……………………………… …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … …………………………………………………………………………………… … NHẬN XÉT (Của giảng viên hướng dẫn) …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… ……………………………………………………… MỤC LỤC Trang MỞ ĐẦU Chương Giới thiệu 1.1 Tổng quan .9 1.2 Phương pháp, kết 1.3 Cấu trúc đồ án .11 Chương Nghiên cứu tổng quan 12 2.1 Phương pháp 12 2.2 Kết luận 12 Chương Thiết kế hệ thống 13 Thiết kế chi tiết .13 Chương Triển khai xây dựng 14 Chương Kết luận Hướng phát triển 16 DANH MỤC TÀI LIỆU THAM KHẢO 17 DANH MỤC HÌNH Trang Hình 1.2 – Nhãn hình 10 Hình 1.2 – Nhãn hình 11 Hình – Nhãn hình sơ đồ thực .13 Hình – Nhãn hình sơ đồ làm việc 13 Hình – Nhãn hình ảnh ban đầu 16 Hình – Nhãn hình ảnh xử lý, nhận dạng .16 Chương Giới thiệu 1.1 Tổng quan - - Bối cảnh thực đề tài Cơng nghệ nhận dạng hình ảnh có tiềm lớn việc áp dụng rộng rãi ngành công nghiệp khác Các công ty lớn Tesla, Google, Uber, Adobe Systems vv sử dụng công nghệ nhận dạng hình ảnh Để chứng minh cơng nghệ tồn khắp giới, xem xét số liệu thống kê gần Các nhà nghiên cứu dự đốn thị trường tồn cầu cơng nhận dạng hình ảnh đạt 38,92 tỷ USD vào năm 2021 Đó số lớn! Vì vậy, khơng có thắc mắc ngày nhiều gọi ứng dụng imagetech tận dụng nhận dạng hình ảnh cho mục đích khác kinh doanh Vấn đề cần giải Nhập ảnh, phân tích, thao tác tạo ảnh Đề xuất nội dung thực ImageAI thư viện python mã nguồn mở xây dựng để trao quyền cho nhà phát triển xây dựng ứng dụng hệ thống với khả Deep Learning Computer Vision độc lập cách sử dụng vài dòng mã đơn giản ImageAI hỗ trợ danh sách thuật toán Machine Learning tiên tiến để dự đốn hình ảnh, dự đốn hình ảnh tùy chỉnh, phát đối tượng, phát video, theo dõi đối tượng video đào tạo dự đốn hình ảnh ImageAI hỗ trợ dự đốn đào tạo hình ảnh thuật tốn Machine Learning khác đào tạo liệu ImageNet-1000 ImageAI hỗ trợ phát đối tượng, phát video theo dõi đối tượng RetinaNet, YOLOv3 TinyYOLOv3 đào tạo liệu COCO Cuối cùng, ImageAI cho phép bạn huấn luyện mơ hình tùy chỉnh để thực phát nhận dạng đối tượng ImageAI cung cấp hỗ trợ cho khía cạnh rộng chuyên biệt Computer Vision bao gồm không giới hạn nhận dạng hình ảnh mơi trường đặc biệt lĩnh vực đặc biệt ImageAI cung cấp thuật tốn loại mơ hình khác để thực dự đốn hình ảnh, đào tạo liệu ImageNet1000 thuật toán cung cấp để dự đốn hình ảnh bao gồm: SqueezeNet , ResNet , InceptionV3 DenseNet 1.2 Phương pháp, kết  Trình bày phương pháp triển khai thực đề tài: Hình ảnh sử dụng theo cách khác nhau.Trong hình ảnh phát triển phần mềm di động, web phần mềm phục vụ cho vô số lý do, bao gồm:        Nhận dạng đối tượng Nhận dạng mẫu Định vị (chính xác phần) Tìm kiếm hình ảnh theo phân đoạn Xử lý hình ảnh (Retouch, ) Cải thiện ứng dụng di động UX Vv ImageAI thư viện python mã nguồn mở xây dựng để trao quyền cho nhà phát triển xây dựng ứng dụng hệ thống với khả Deep Learning Computer Vision độc lập cách sử dụng vài dòng mã đơn giản  Kết đạt Dữ liệu vào Hình Giới thiệu.2 – Nhãn hình 10 Dữ liệu Hình Giới thiệu.2 – Nhãn hình 1.3 Cấu trúc đồ án Chương Giới thiệu 1.1 Tổng quan .9 1.2 Phương pháp, kết 1.3 Cấu trúc đồ án .11 Chương Nghiên cứu tổng quan 12 2.1 Phương pháp 12 2.2 Kết luận 12 Chương Thiết kế hệ thống 13 Thiết kế chi tiết .13 Chương Triển khai xây dựng 14 Chương Kết luận Hướng phát triển 16 11 Chương Nghiên cứu tổng quan 2.1 Phương pháp Chương Dự đốn hình ảnh Chương Phát đối tượng Chương Phát theo dõi đối tượng video + Phát phân tích đối tượng video + Phát đối tượng tùy chỉnh video (Theo dõi đối tượng) + Phân tích video trực quan Chương Đào tạo mơ hình tùy chỉnh Chương Dự đốn hình ảnh tùy chỉnh Chương Đào tạo mơ hình phát tùy chỉnh Chương Phát đối tượng tùy chỉnh Chương 10 Phân tích & phát đối tượng video tùy chỉnh 10.1 Kết luận Thực theo thứ tự phương pháp đề 12 Chương 11 Chương 12 Thiết kế hệ thống Thiết kế chi tiết Hình – Nhãn hình sơ đồ thực Hình – Nhãn hình sơ đồ làm việc 13 Chương 13 Triển khai xây dựng  Ngôn ngữ thực hiện: PYTHON  Công cụ hỗ trợ: Visual studio IDE and Anaconda 14  Mã nguồn xử lý ảnh from imageai.Detection import ObjectDetection import os execution_path = os.getcwd() detector = ObjectDetection() detector.setModelTypeAsRetinaNet() detector.setModelPath( os.path.join(execution_path , "resnet50_coco_best_v2.0 1.h5")) detector.loadModel() detections = detector.detectObjectsFromImage(input_image=os.path.join(execu tion_path , "image.jpg"), output_image_path=os.path.join(execution_path , "ima genew.jpg")) for eachObject in detections: print(eachObject["name"] , " : " , eachObject["percentage_probability"] )  Mã nguồn xử lý video from imageai.Detection import VideoObjectDetection import os execution_path = os.getcwd() detector = VideoObjectDetection() detector.setModelTypeAsRetinaNet() detector.setModelPath( os.path.join(execution_path , "resnet50_coco_best_v2.0 1.h5")) detector.loadModel() video_path = detector.detectObjectsFromVideo(input_file_path=os.path.join(exe cution_path, "hoathinh1"), output_file_path=os.path.join(execution_path, "traffic_detec ted") , frames_per_second=20, log_progress=True) print(video_path) 15 Chương 14 Kết luận  Dữ liệu vào Hình – Nhãn hình ảnh ban đầu  Dữ liệu Hình – Nhãn hình ảnh xử lý, nhận dạng 16 DANH MỤC TÀI LIỆU THAM KHẢO Tiếng Việt: Python Ebook Python tiếng Việt siêu Võ Tuấn Duy Tiếng Anh: A Byte of Python nd Think Python Edition Automate the Boring Stuff with Python Dive into Python Learn Python the Hard Way Invent Your Own Computer Game with Python Making Games with Python and Pygame 17