Xây dựng sản phẩm kính thông minh cho người khiếm thị bằng ứng dụng trí tuệ nhân tạo và internet vạn vật

TRƯỜNG ĐẠI HỌC SƯ PHẠM – ĐẠI HỌC ĐÀ NẴNG KHOA TIN HỌC BÁO CÁO KHÓA LUẬN TỐT NGHIỆP TÊN ĐỀ TÀI XÂY DỰNG SẢN PHẨM KÍNH THƠNG MINH CHO NGƯỜI KHIẾM THỊ BẰNG ỨNG DỤNG TRÍ TUỆ NHÂN TẠO VÀ INTERNET VẠN VẬT CBHD : Th.S Đồn Duy Bình Sinh viên : Đặng Thanh Hào Mã sinh viên : 312024161110 Lớp : 16CNTT3 i LỜI CẢM ƠN Em xin chân thành gửi lời cảm ơn đến thầy cô Khoa Tin học, Trường Đại học Sư Phạm – Đại học Đà Nẵng truyền đạt kiến thức quý báu năm học vừa qua để em có kiến thức thực đề tài khóa luận Em xin chân thành cảm ơn thầy giáo hướng dẫn Th.S Đồn Duy Bình trực tiếp hướng dẫn, tận tình góp ý, giúp đỡ tạo điều kiện thuận lợi cho em suốt trình thực đề tài Trong trình thực hẳn khơng tránh thiếu sót Em mong nhận thơng cảm, góp ý tận tình bảo quý Thầy Cô bạn để đề tài hoàn thiện Một lần em xin chân thành cảm ơn! SVTH: Đặng Thanh Hào - 16CNTT3 ii DANH MỤC CÁC BẢNG Bảng 0.1 Một số thiết bị kính thơng minh giới Bảng 1.1 Đánh giá số mạng nơ-ron Object detection sở [5] 17 Bảng 1.2 Đánh giá số mạng nơ-ron Object detection [5] 17 Bảng 1.3 So sánh Arduino Raspberry Pi 25 Bảng 2.1 Đặc tả tổng quát tác nhân hệ thống 33 Bảng 2.2 Đặc tả bảng User 37 Bảng 2.3 Đặc tả bảng Glasses 38 Bảng 2.4 Đặc tả bảng SoftwareVersion 38 Bảng 2.5 Đặc tả bảng Group 39 Bảng 2.6 Đặc tả bảng GroupMember 39 Bảng 2.7 Đặc tả bảng GlassesLink 39 Bảng 2.8 Đặc tả ca sa sử dụng chức Nhận dạng đồ vật 44 Bảng 2.9 Đặc tả ca sử dụng chức Phân loại đồ vật nguy hiểm 45 Bảng 2.10 Đặc tả ca sử dụng chức Cảnh báo tự động vật nguy hiểm 46 Bảng 2.11 Đặc tả ca sử dụng chức Cảnh báo tự động chướng ngại vật 48 Bảng 2.12 Đặc tả ca sử dụng chức Phát âm tên tất cả vật thể 49 Bảng 2.13 Đặc tả ca sử dụng chức Tìm đồ vật giọng nói 50 Bảng 2.14 Đặc tả ca sử dụng chức Gửi tín hiệu SOS 52 Bảng 2.15 Đặc tả ca sử dụng chức Liên kết với ứng dụng mobile 53 Bảng 2.16 Đặc tả ca sử dụng chức Gửi liệu ảnh chụp tọa độ GPS 55 Bảng 2.17 Đặc tả ca sử dụng chức kiểm tra cập nhật phiên bản phần mềm 56 Bảng 2.18 Đặc tả ca sử dụng chức Đăng kí 58 Bảng 2.19 Đặc tả ca sử dụng chức Đăng nhập 58 Bảng 2.20 Đặc tả ca sử dụng chức Đăng xuất 59 SVTH: Đặng Thanh Hào - 16CNTT3 iii Bảng 2.21 Đặc tả ca sử dụng chức Chỉnh sửa thông tin cá nhân 60 Bảng 2.22 Đặc tả tác nhân tác nhân "Người thân" 62 Bảng 2.23 Đặc tả ca sử dụng chức Quản lí nhóm cho Quản trị viên 63 Bảng 2.24 Đặc tả ca sử dụng chức Quản lí nhóm cho Thành viên 63 Bảng 2.25 Đặc tả ca sử dụng chức Quản lí kính cho Quản trị viên 65 Bảng 2.26 Đặc tả ca sử dụng chức Quản lí kính cho Thành viên 66 Bảng 2.27 Đặc tả ca sử dụng chức Thiết lập ngôn ngữ ứng dụng 68 Bảng 2.28 Đặc tả ca sử dụng chức Nhận thông báo SOS 69 Bảng 3.1 Danh sách vật huấn luyện thêm 75 Bảng 3.2 Đánh giá model huấn luyện tập liệu Test 79 Bảng 3.3 Danh sách vật sau điều chỉnh tập liệu huấn luyện 82 Bảng 3.4 Phần cứng giá thành sản phẩm 83 SVTH: Đặng Thanh Hào - 16CNTT3 iv DANH MỤC HÌNH VẼ Hình 1.1 AI lĩnh vực thuộc AI Hình 1.2 Một nơ-ron đơn giản Hình 1.3 Minh hoạ tính chất mong muốn mạng nơ-ron 10 Hình 1.4 Đồ thị hàm bước nhảy 11 Hình 1.5 Đồ thị hàm sigmoid 12 Hình 1.6 Mạng nơ-ron bản 13 Hình 1.7 Bộ lọc cạnh ma trận kích thước 3x3 -1, 15 Hình 1.8 Ví dụ lọc cạnh (đứng phải, đứng trái, ngang dưới, ngang trên) với đầu vào ảnh số viết tay 16 Hình 1.9 Bài tốn Object detection 16 Hình 1.10 Kết quả dự đoán sau 21 lớp 19 Hình 1.11 Khác biệt máy học truyền thống học chuyển 21 Hình 1.12 Ứng dụng học chuyển (Transfer Learning) 22 Hình 1.13 Thiết bị Raspberry Pi B 26 Hình 2.1 Minh họa trình liên kết Smart Glasses với Family App 32 Hình 2.2 Sơ đồ ca sử dụng tổng quát 34 Hình 2.3 Sơ đồ kiến trúc hệ thống tổng quát 35 Hình 2.4 Mơ hình ER 36 Hình 2.5 Mơ hình liệu quan hệ 37 Hình 2.6 Cấu trúc ảnh thông tin thời gian, tọa độ GPS lưu trữ AWS S3 41 Hình 2.7 Topic mơ hình hoạt động SNS, client subscriber 42 Hình 2.8 Mơ hình phần cứng Kính thơng minh 43 Hình 2.9 Sơ đồ ca sử dụng chức Nhận dạng tên đồ vật Phân loại vật thể nguy hiểm 44 SVTH: Đặng Thanh Hào - 16CNTT3 v Hình 2.10 Sơ đồ chức Nhận dạng Phân loại đồ vật 45 Hình 2.11 Sơ đồ ca sử dụng chức Cảnh báo tự động vật nguy hiểm 46 Hình 2.12 Sơ đồ chức Cảnh báo tự động vật nguy hiểm 47 Hình 2.13 Sơ đồ ca sử dụng chức Cảnh báo tự động chướng ngại vật 47 Hình 2.14 Sơ đồ chức Cảnh báo tự động chướng ngại vật 48 Hình 2.15 Sơ đồ ca sử dụng chức Phát âm tên tất cả vật thể 49 Hình 2.16 Sơ đồ chức Phát âm tên tất cả vật thể 50 Hình 2.17 Sơ đồ ca sử dụng chức Tìm đồ vật giọng nói 50 Hình 2.18 Sơ đồ chức Tìm đồ vật giọng nói 51 Hình 2.19 Sơ đồ ca sử dụng chức gửi tín hiệu SOS 52 Hình 2.20 Sơ đồ ca sử dụng chức Liên kết với ứng dụng mobile 53 Hình 2.21 Sơ đồ chức liên kết với ứng dụng mobile chức Gửi tín hiệu SOS 54 Hình 2.22 Sơ đồ ca sử dụng chức gửi liệu ảnh tọa độ GPS 54 Hình 2.23 Sơ đồ chức Gửi ảnh chụp tọa độ SOS 55 Hình 2.24 Sơ đồ ca sử dụng chức kiểm tra cập nhật phiên bản phần mềm 55 Hình 2.25 Sơ đồ chức kiểm tra cập nhật phần mềm 56 Hình 2.26 Sơ đồ ca sử dụng chức Đăng kí, Đăng nhập, Đăng xuất 57 Hình 2.27 Sơ đồ chức Đăng kí, Đăng nhập 59 Hình 2.28 Sơ đồ chức Đăng xuất 60 Hình 2.29 Sơ đồ ca sử dụng chức Chỉnh sửa thơng tin cá nhân 60 Hình 2.30 Sơ đồ chức Chỉnh sửa thông tin cá nhân 61 Hình 2.31 Sơ đồ ca sử dụng chức Quản lí nhóm 62 Hình 2.32 Sơ đồ chức Quản lí nhóm Quản trị viên 64 Hình 2.33 Sơ đồ chức Quản lí nhóm Thành viên 64 Hình 2.34 Sơ đồ ca sử dụng chức Quản lí kính thơng minh 65 SVTH: Đặng Thanh Hào - 16CNTT3 vi Hình 2.35 Sơ đồ chức Quản lí kính cho Quản trị viên 67 Hình 2.36 Sơ đồ chức Quản lí kính cho Thành viên 67 Hình 2.37 Sơ đồ ca sử dụng chức Thiết lập ngôn ngữ ứng dụng 68 Hình 2.38 Sơ đồ chức Thiết lập ngôn ngữ ứng dụng 69 Hình 2.39 Sơ đồ ca sử dụng chức Nhận thơng báo SOS 69 Hình 2.40 Sơ đồ chức Nhận thông báo SOS 70 Hình 2.41 Sơ đồ lớp hệ thống 71 Hình 3.1 Quy trình huấn luyện liệu 72 Hình 3.2 Các phương pháp làm "giàu" tập liệu huấn luyện 75 Hình 3.3 Gán nhãn thủ cơng cho hình ảnh 77 Hình 3.4 File XML sinh sau trình gán nhãn 77 Hình 3.5 Cấu trúc thư mục chuẩn bị 78 Hình 3.6 Biểu đồ thay đổi độ tổn thất trình huấn luyện 79 Hình 3.7 Kính thơng minh sau lắp đặt 85 Hình 3.8 Các thành phần Kính thơng minh sau lắp đặt 85 Hình 3.9 Chức nhận diện đồ vật kính 86 Hình 3.10 Chức nhận diện đồ vật kính 86 Hình 3.11 Chức nhận diện đồ vật kính 87 Hình 3.12 Chức nhận diện đồ vật kính 87 Hình 3.13 Giao diện đăng nhập trang chủ 88 Hình 3.14 Giao diện Quản lí nhóm 89 Hình 3.15 Giao diện Quản lí kính 89 Hình 3.16 Giao diện nhận tín hiệu SOS thiết lập ngôn ngữ 90 SVTH: Đặng Thanh Hào - 16CNTT3 vii DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT Viết tắt Giải thích AI Artificial Intelligence (Trí tuệ nhân tạo) IoT Internet of Thing (Internet vạn vật) CPU Central Processing Unit (Bộ xử lí trung tâm) GPU Graphical Processing Unit (Bộ xử lí đồ họa) API Application Programming Interface (Giao diện lập trình ứng dụng) ANNS Artificial Neural Networks (Mạng nơ-ron nhân tạo) CNN Convolutional Neural Network (Mạng nơ-ron tích chập) SSD Single Shot Multibox Detector (Tên gọi mạng nơ-ron) RAM Random Access Memory (Bộ nhớ truy cập ngẫu nhiên) IDE Integrated Development Environment (Mơi trường tích hợp phát triển ứng dụng) UI User Interface (Giao diện người dùng) AWS Amazon Web Service (Dịch vụ máy chủ) S3 Simple Storage Service (Dịch vụ lưu trữ AWS) SNS Simple Notification Service (Dịch vụ quản lí tin nhắn AWS) RDS Relational Database Service (Dịch vụ hệ quản trị sở liệu quan hệ AWS) CSDL Cơ sở liệu ER Entity–Relationship model (Mơ hình thực thể-quan hệ) GPS Global Positioning System (Hệ thống định vị tồn cầu) SOS Tín hiệu cầu cứu SVTH: Đặng Thanh Hào - 16CNTT3 viii MỤC LỤC LỜI CẢM ƠN i DANH MỤC CÁC BẢNG ii DANH MỤC HÌNH VẼ iv DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT vii MỤC LỤC viii MỞ ĐẦU 1 Giới thiệu Tính cấp thiết mục tiêu đề tài Chức Đối tượng phạm vi nghiên cứu Phương pháp thực Bố cục báo cáo khóa luận tốt nghiệp CHƯƠNG CƠ SỞ LÝ THUYẾT 1.1 Trí tuệ nhân tạo máy học 1.1.1 Trí tuệ nhân tạo (AI) 1.1.2 Máy học (Machine Learning) 1.1.3 Mạng nơ-ron nhân tạo (Artificial Neural Networks - ANNs) 1.1.4 Mạng nơ-ron tích chập xử lí hình ảnh 14 1.1.5 Các mạng nơ-ron ứng dụng việc nhận dạng vật thể (object detection) 16 1.1.6 Mạng nơ-ron Single Shot MultiBox Detector MobileNet (SSD MobileNet) 18 1.1.7 Học chuyển (transfer learning), hiệu chỉnh mạng nơ-ron 20 SVTH: Đặng Thanh Hào - 16CNTT3 ix 1.1.8 Python thư viện hỗ trợ 22 1.2 Internet vạn vật (IoT) 24 1.2.1 Khái niệm 24 1.2.2 Các loại phần cứng đảm nhiệm vai trò điểu khiển 24 1.2.3 Chip Raspberry Pi hệ điều hành Raspbian 26 1.3 Lập trình di động Android 27 1.4 Dịch vụ máy chủ 27 1.4.1 Giới thiệu Amazon Web Service 27 1.4.2 Giới thiệu Firebase 28 CHƯƠNG 29 PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG 29 2.1 Phân tích hệ thống 29 2.1.1 Mục tiêu chức 29 2.1.2 Phân tích chức 30 2.1.3 Đặc tả tổng quát tác nhân hệ thống 33 2.1.4 Sơ đồ ca sử dụng tổng quát 34 2.2 Thiết kế hệ thống phía máy chủ (Backend) 35 2.2.1 Sơ đồ kiến trúc hệ thống tổng quát 35 2.2.2 Cơ sở liệu 36 2.2.3 Thành phần lưu liệu ảnh 40 2.2.4 Thành phần gửi thông báo đến ứng dụng di động 41 2.3 Thiết kế Kính thông minh (Smart Glasses) 42 2.3.1 Thiết kế phần cứng 42 2.3.2 Thiết kế chức 43 2.4 Thiết kế ứng dụng di động cho người nhà (Family App) 57 SVTH: Đặng Thanh Hào - 16CNTT3 80 Bình ga 21/22 Bếp ga 25/28 Con sâu 20/28 Bàn 17/27 Ấm đun nước 16/28 Hồ nước 22/29 Cây kim khâu 13/25 Hố 3/27 Ao 2/29 Hồ bơi 20/27 Ổ điện 30/30 Đường sắt 26/28 Con sông 25/27 Con rắn 11/29 Nhện 28/29 Cầu thang 32/33 Cây 20/30 Giếng 24/30 Dây điện 16/28 Điều khiển từ xa 19/23 Ba lơ 22/30 Tấm 20/27 Quạt 19/24 Kính mắt 15/28 Micro 17/28 Cây bút 20/27 SVTH: Đặng Thanh Hào - 16CNTT3 81 Ví tiền 15/34 Máy chiếu 15/30 Tiền giấy VND 14/18 Tổng cộng 629/920 (68,3%) Đem model huấn luyện đánh giá tập Test chuẩn bị trước ta thu kết quả xác 68,3% Tuy nhiên test camera thực tế, model thường nhận diện nhầm lẫn vật bên tập liệu huấn luyện Ví dụ: Model nhận diện đường kẻ caro áo đường sắt Điều xảy q trình khái qt hóa đặc trưng máy học Khi huấn luyện model nhận dạng “con chó”, quan sát “con mèo”, model nhận diện đánh giá “con mèo” “con chó” đối tượng có đặc trưng dáng xương, màu lơng, chân, “con chó” nhãn phù hợp tập liệu huấn luyện lấy Đến tiến hành huấn luyện cả “chó” “mèo” model nhận diện loại vật Do để giải tình trạng nhận diện nhầm vạch kẻ caro đường sắt Ta phải thu thập thêm liệu để huấn luyện đường sắt vạch caro Dữ liệu yếu tố quan trọng máy học, phạm vi đề tài giới hạn thời gian; nhằm giảm thiểu tình trạng nhận diện sai vật ngồi tập huấn luyện, ta lược bỏ bớt vật có độ xác kém, dễ bị nhận nhầm ngồi thực tế tập huấn luyện SVTH: Đặng Thanh Hào - 16CNTT3 82 Tập liệu sau lược bỏ liệu vật “xấu”, chưa thể huấn luyện thiếu liệu: Bảng 3.3 Danh sách vật sau điều chỉnh tập liệu huấn luyện Danh sách vật nguy hiểm Danh sách vật thông thường 1) Con trâu 1) Điều khiển từ xa 2) Cánh cửa 2) Ba lô 3) Bếp ga 3) Tấm 4) Bình ga 4) Quạt 5) Con sâu 5) Kính mắt 6) Bàn 6) Micro 7) Ấm đun nước 7) Cây bút 8) Ổ điện 8) Ví tiền 9) Con rắn 9) Máy chiếu 10) Con nhện 10) Tiền giấy VND 11) Cầu thang 12) Cây 13) Giếng Sau tinh chỉnh liệu, ta tiến hành huấn luyện lại lần để sinh model tốt Kết quả: model áp dụng thành công kĩ thuật học chuyển, có khả nhận diện 90 + 23 vật thể Tuy độ xác chưa cao ứng dụng nhận diện vật thể SVTH: Đặng Thanh Hào - 16CNTT3 83 3.2 Môi trường hoạt động chức Kính thơng minh 3.2.1 Tối ưu model nhận diện Sau kết thúc trình huấn luyện ta thu model gồm file file detect.pb chứa mạng nơ ron file labelmap.pbtxt file ghi nhãn đồ vật Đây model chạy Tensorflow framework sử dụng để ứng dụng nhận diên Tuy nhiên với cấu hình phần cứng hạn chế thiết bị IoT, ta cần chuyển đổi (convert) model để chạy Tensorflow lite framework (là bản rút gọn Tensorflow tối ưu cho thiết bị mobile/cấu hình thấp) nhằm cải thiện tốc độ [9] [10] Quá trình chuyển đổi thực Google Colab Kết quả thu file nơron detect.tflite file labelmap.txt 3.2.2 Lắp ráp phần cứng triển khai phần mềm Bảng 3.4 Phần cứng giá thành sản phẩm STT Tên phần cứng Chức Giá Raspberry Pi 3b+ Nhân điều khiển 1.090.000 VND Lấy tọa độ GPS 245.000 VND 2017 GPS GY-NEO6MV2 Earphone Tai nghe phát âm 130.000 VND Cảm biến siêu âm Đo khoảng cách vật lý 56.000 VND HY-SRF05: x RPi Camera Lấy video, ảnh chụp 150.000 VND Thẻ nhớ Micro SD Bộ phận lưu trữ liệu 132.000 VND 32 GB Vỏ kính & gia công Kết nối module, diện 300.000 VND & linh kiện dây dẫn mạo sản phẩm SVTH: Đặng Thanh Hào - 16CNTT3 84 Rpi UPSPack Cấp nguồn cho Raspberry 410.000 VND Standard V2 Pi Microphone Ghi âm 10 Cáp USB âm Cáp chuyển từ USB sang 17.000 VND 15.000 VND jack 3.5 11 Nút bấm 4.000 VND Tổng 2.549.000 VND Cấu hình có được: - CPU: quad-core A53 (ARMv8) 64-bit SoC @1.4GHz - GPU: không - RAM: 1GB LPDDR2 SDRAM - Wireless: 2.4GHz 802.11 b/g/n WIFI - Disk: 32GB Micro SD SVTH: Đặng Thanh Hào - 16CNTT3 85 Hình 3.7 Kính thơng minh sau lắp đặt Hình 3.8 Các thành phần Kính thơng minh sau lắp đặt SVTH: Đặng Thanh Hào - 16CNTT3 86 Hình 3.9 Chức nhận diện đồ vật kính Hình 3.10 Chức nhận diện đồ vật kính SVTH: Đặng Thanh Hào - 16CNTT3 87 Hình 3.11 Chức nhận diện đồ vật kính Hình 3.12 Chức nhận diện đồ vật kính Chương trình ứng dụng model nhận dạng đồ vật để triển khai chức kính thơng minh viết Python SVTH: Đặng Thanh Hào - 16CNTT3 88 Kết quả: - Do cấu hình hạn chế, chương trình dừng tốc độ xử lí 0.4 - 0.8 khung hình giây, tức 2-3 giây hình ảnh Khả nhận dạng bị ảnh hưởng tốc độ lấy khung hình thấp, số khung hình bị nhòe làm cho model nhận diện sai - Các chức cịn lại tương thích tốt với phần cứng, hoạt động song song với luồng (nhận dạng vật thể) 3.3 Môi trường hoạt động chức ứng dụng di động cho người nhà Ứng dụng di động chạy hệ điều hành Android Giao diện số chức năng: Hình 3.13 Giao diện đăng nhập trang chủ SVTH: Đặng Thanh Hào - 16CNTT3 89 Hình 3.14 Giao diện Quản lí nhóm Hình 3.15 Giao diện Quản lí kính SVTH: Đặng Thanh Hào - 16CNTT3 90 Hình 3.16 Giao diện nhận tín hiệu SOS thiết lập ngơn ngữ Kết quả: Ứng dụng thực chức đặt ra, nhiên chuyển giao thao tác chậm phải kết nối với máy chủ để làm liệu thao tác SVTH: Đặng Thanh Hào - 16CNTT3 91 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Sau thực đồ án, em thu thành cơng định thơng qua việc tìm hiểu, nghiên cứu xây dựng ứng dụng thực tế sau: • Về mặt lí thuyết: o Tìm hiểu kiến thức bản mạng nơ-ron học sâu lĩnh vực thị giác máy tính o Tìm hiểu ứng dụng kĩ thuật học chuyển thư viện hỗ trợ để huấn luyện mơ hình nhận diện phát vật thể phục vụ nhu cầu cá nhân o Tìm hiểu kiến thức bản vận hành lắp đặt hệ thống IoT giao tiếp với thông qua môi trường Internet o Phát triển kĩ phân tích thiết kế, lập trình đa tảng, quy trình phát triển hệ thống hồn chỉnh từ phần cứng, ứng dụng IoT, ứng dụng máy chủ (Backend) đến ứng dụng mobile • Về mặt thực tiễn: Phát triển sản phẩm kính thơng minh ứng dụng cho người thân: o Kính thơng minh có chức nhận dạng vật thể, cảnh báo vật lý hỗ trợ người khiếm thị sống Tuy cấu hình thấp khả xử lí hạn chế, trợ giúp người khiếm thị hoạt động hàng ngày o Ứng dụng Family app giúp người thân quan sát vị trí, ảnh chụp từ kính thơng minh, nhận thơng báo khẩn cấp o Sản phẩm hoàn thành với giá cả phù hợp với người dân Việt Nam SVTH: Đặng Thanh Hào - 16CNTT3 92 Hướng phát triển Đề tài nhiều vấn đề để cải thiện phát triển tương lai Cụ thể: • Về kính thơng minh: o Cải thiện độ xác model nhận diện nhờ thu thập thêm liệu, nghiên cứu thêm phương pháp tối ưu cho tập huấn luyện, mở rộng số lượng đồ vật nhận diện o Nâng cấp phần cứng để cải thiện tốc độ xử lí kính Cung cấp thêm TPU/Coral USB Accelerator (phần cứng GPU chuyên xử lí machine learning cho Raspberry Pi), nâng tốc độ xử lí khung hình lên đến 35 FPS [10] o Cải thiện kiểu dáng thiết kế kính thơng minh o Bổ sung thêm đèn trợ sáng cho phép kính hoạt động bóng tối • Về ứng dụng di động cho người thân: o Cải thiện giao diện ứng dụng o Xử lí bất động cho yêu cầu truy xuất máy chủ để cải thiện trải nghiệm người dùng o Phát triển thêm chức giao tiếp với kính thông minh kênh văn bản, âm SVTH: Đặng Thanh Hào - 16CNTT3 93 TÀI LIỆU THAM KHẢO Sách báo: [1] AG Howard, M Zhu, B Chen, D Kalenichenko, W Wang Mobilenets: Efficient convolutional neural networks for mobile vision applications arXiv preprint arXiv:1704.04861, 2017 [2] Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C Berg SSD: Single Shot MultiBox Detector arXiv:1512.02325, 2016 [3] Tsung-Yi Lin, Michael Maire, Serge Belongie, Lubomir Bourdev, Ross Girshick, James Hays, Pietro Perona, Deva Ramanan, C Lawrence Zitnick and Piotr Dollár Microsoft COCO: Common Objects in Context.arXiv:1405.0312 [4] Michael Nielsen Neural Network and Deep Learning Internet: [5] https://medium.com/@jonathan_hui/object-detection-speed-andaccuracy-comparison-faster-r-cnn-r-fcn-ssd-and-yolo-5425656ae359, 20/5/2020 [6] https://medium.com/@smallfishbigsea/understand-ssd-andimplement-your-own-caa3232cd6ad, 20/5/2020 [7] https://vi.wikipedia.org/, 20/5/2020 [8] http://arduino.vn/bai-viet/1143-nen-chon-arduino-hay-raspberry-pi-dephat-trien-cac-du-iot, 20/5/2020 [9] https://www.tensorflow.org/lite, 20/5/2020 [10] https://www.youtube.com/watch?v=TiOKvOrYNII, 20/5/2020 SVTH: Đặng Thanh Hào - 16CNTT3 94 Ý KIẾN CỦA CÁN BỘ HƯỚNG DẪN Đà Nẵng, ngày tháng năm 2020 Cán hướng dẫn SVTH: Đặng Thanh Hào - 16CNTT3 ... có nhiệt độ cao Từ đó, đề tài ? ?Xây dựng Sản phẩm Kính thơng minh cho Người khiếm thị Ứng dụng Trí tuệ nhân tạo Internet vạn vật? ?? mở hướng mới, đẩy mạnh việc ứng dụng phát triển công nghệ để phần... phẩm Kính thơng minh cho người khiếm thị ứng dụng trí tuệ nhân tạo Internet vạn vật? ?? xác định mục tiêu: SVTH: Đặng Thanh Hào - 16CNTT3 - Xây dựng hệ thống IoT Kính thơng minh, gồm kính thơng minh. .. giới cho người khiếm thị Sử dụng trí tuệ nhân tạo để mang đến cho người khiếm thị “đôi mắt kĩ thuật số” SVTH: Đặng Thanh Hào - 16CNTT3 2 Tính cấp thiết mục tiêu đề tài Hiện nay, trí tuệ nhân tạo