Tìm hiểu hệ thống đếm đối tượng có sử dụng trí tuệ nhân tạo

TRƯỜNG ĐẠI HỌC QUẢNG BÌNH KHOA KỸ THUẬT - CƠNG NGHỆ THƠNG TIN -  - KHĨA LUẬN TỐT NGHIỆP ĐẠI HỌC ĐỀ TÀI: TÌM HIỂU HỆ THỐNG ĐẾM ĐỐI TƯỢNG SỬ DỤNG KỸ THUẬT HỌC MÁY DEEP LEARNING Sinh viên thực hiện: Nguyễn Bùi Hải Phượng Lớp: Đại học Cơng nghệ thơng tin - K57 Quảng Bình, tháng năm 2019 TRƯỜNG ĐẠI HỌC QUẢNG BÌNH KHOA KỸ THUẬT - CÔNG NGHỆ THÔNG TIN -  - KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC ĐỀ TÀI: TÌM HIỂU HỆ THỐNG ĐẾM ĐỐI TƯỢNG SỬ DỤNG KỸ THUẬT HỌC MÁY DEEP LEARNING Họ tên sinh viên: Nguyễn Bùi Hải Phượng Mã số sinh viên: DQB04150005 Lớp: Đại học Công nghệ thông tin - K57 Giáo viên hướng dẫn: TS Hồng Tuấn Nhã Quảng Bình, tháng năm 2019 Khóa luận tốt nghiệp LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu khoa học độc lập riêng Các số liệu sử dụng phân tích khóa luận có nguồn gốc rõ ràng, công bố theo quy định Các kết nghiên cứu luận án tự tìm hiểu, phân tích cách trung thực, khách quan phù hợp với thực tiễn Việt Nam Các kết chưa công bố nghiên cứu khác Sinh viên Nguyễn Bùi Hải Phượng Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN Xác nhận giảng viên hướng dẫn (Ký ghi rõ họ tên) Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp LỜI CẢM ƠN Trong q trình thực báo cáo khoá luận em nhận quan tâm giúp đỡ tận tình nhiều tập thể, cá nhân trường Trước hết, em xin bày tỏ lòng biết ơn sâu sắc tới giảng viên TS Hoàng Tuấn Nhã - Người trực tiếp hướng dẫn em suốt trình nghiên cứu thực khóa luận Em xin chân thành cảm ơn thầy giáo, cô giáo khoa Kỹ thuật - Công nghệ thông tin Trường Đại học Quảng Bình tạo điều kiện thuận lợi giúp đỡ em suốt trình học tập rèn luyện trường Em xin bày tỏ lịng biết ơn vơ hạn tới gia đình, người thân bạn bè ln sát cánh bên em suốt q trình học tập nghiên cứu đề tài Mặc dù trình nghiên cứu đề tài, thân em có cố gắng định, song trình độ thời gian có hạn nên đề tài khơng tránh khỏi thiếu sót Vậy kính mong thầy giáo bạn đóng góp ý kiến để đề tài em hoàn thiện EM XIN CHÂN THÀNH CẢM ƠN!!! Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp LỜI MỞ ĐẦU Một lĩnh vực quan trọng Trí tuệ nhân tạo (Artificial Intelligence) thị giác máy tính (Computer Vision) Computer Vision lĩnh vực bao gồm phương pháp thu nhận, xử lý ảnh kỹ thuật số, phân tích nhận dạng hình ảnh, phát đối tượng, tạo ảnh, siêu phân giải hình ảnh nhiều Object Detection (nhận diện vật thể) có lẽ khía cạnh sâu sắc thị giác máy số lần sử dụng thực tế ngày Object Detection đề cập đến khả hệ thống máy tính phần mềm để định vị đối tượng hình ảnh xác định đối tượng Object Detection sử dụng rộng rãi để phát khuôn mặt, phát xe, đếm số người bộ, hệ thống bảo mật xe không người lái Có nhiều cách để nhận diện đối tượng sử dụng nhiều lĩnh vực thực hành Giống công nghệ khác, loạt ứng dụng sáng tạo tuyệt vời Object Detection đến từ lập trình viên nhà phát triển phần mềm Trong đó, bật phải kể đến Tensorflow – thư viện phần mềm mã nguồn mở hỗ trợ mạnh mẽ phép tốn học để tính tốn Machine Learning (học máy) Deep Learning (học sâu) Trong khóa luận này, em chọn đề tài: “Tìm hiểu hệ thống đếm đối tượng có sử dụng trí tuệ nhân tạo” để làm đề tài nghiên cứu làm rõ cách thức hoạt động thư viện Tensorflow Nội dung khóa luận gồm phần:  Phần 1: Tổng quan đề tài  Phần 2: Nội dung khóa luận  Phần 3: Kết luận hướng phát triển Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp MỤC LỤC LỜI CAM ĐOAN NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN LỜI CẢM ƠN LỜI MỞ ĐẦU MỤC LỤC DANH MỤC CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG, HÌNH ẢNH PHẦN I: TỔNG QUAN ĐỀ TÀI 10 Lý chọn đề tài 10 Mục đích nghiên cứu 10 Nội dung nghiên cứu 11 Đối tượng nghiên cứu 11 Phương pháp nghiên cứu 12 PHẦN II: NỘI DUNG 13 CHƯƠNG 1: KỸ THUẬT HỌC MÁY DEEP LEARNING 13 1.1 Tổng quan trí tuệ nhân tạo 13 1.1.1 Trí tuệ nhân tạo (AI) gì? 13 1.1.2 Học máy (Machine Learning) gì? 13 1.1.3 Học sâu (Deep Learning) gì? 15 1.2 Các bước thực Machine Learning 16 1.3 Ứng dụng Machine Learning 18 Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp CHƯƠNG 2: KỸ THUẬT HỌC SÂU MASK R-CNN VÀ 21 THUẬT TOÁN THEO VẾT MEAN SHIFT 21 2.1 Giới thiệu chung mạng nơ ron tích chập 21 2.1.1 Mạng nơ ron 21 2.1.2 Mạng nơ ron tích chập 22 2.2 Kiến trúc CNN cho toán nhận dạng phân vùng đối tượng R-CNN 30 2.3 Mạng Mask R-CNN 33 2.4 Thuật toán Mean shift theo vết đối tượng 38 CHƯƠNG 3: HỆ THỐNG ĐẾM ĐỐI TƯỢNG SỬ DỤNG KỸ THUẬT HỌC MÁY DEEP-LEARNING 40 3.1 Thư viện mã nguồn mở OpenCV Intel 40 3.2 Thư viện Tensorflow 42 3.3 Cách sử dụng API phát đối tượng Tensorflow 43 3.4 Xây dựng chương trình nhận dạng đếm đối tượng API 46 PHẦN III: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 52 Kết luận 52 Hướng phát triển 52 TÀI LIỆU THAM KHẢO 53 Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp DANH MỤC CÁC CHỮ VIẾT TẮT Các từ viết tắt Diễn giải AI Artificial Intelligence – Trí tuệ nhân tạo ML Machine Learning – Học máy DL Deep Learning – Học sâu CPU Central Processing Unit – Bộ xử lý trung tâm GPU Graphics Processing Unit - Bộ xử lý đồ họa CUDA API Compute Unified Device Architecture - Kiến trúc thiết bị tính tốn hợp Application Programming Interface – Giao diện lập trình ứng dụng Sinh viên: Nguyễn Bùi Hải Phượng | Khóa luận tốt nghiệp shift trình lặp lại tìm cực đại địa phương áp dụng tìm trạng thái không gian màu không gian cường độ hình ảnh Các điểm ảnh lân cận có trạng thái nhóm lại tạo nên superpixel Một cách đơn giản ta hiểu ta chạy vịng lặp tìm trọng tâm phân vùng ( phân bố pixels), update trọng tâm đạt tiêu chuẩn hội tụ hội tụ theo tiêu chuẩn ta thu vùng có vị trí xác vật thể quan tâm Một ví dụ ta cho phân vùng nhỏ giả sử vòng tròn thuật tốn làm dịch chuyển vịng trịn đến vị trí có mật độ điểm ảnh tối đa hình 23: Hình 23: Ví dụ thuật toán Mean shift (opencv docs) Ban đầu cửa sổ cho vòng tròn C1, tâm vòng tròn thực vị trí hình vng mà xanh, nhiên ta tìm trọng tâm điểm ảnh màu đỏ bên hình ta tính tốn trọng tâm nằm điểm vịng trịn c1_r điểm trọng tâm thực phân vùng, từ ta dịch chuyển phân vùng tới điểm tâm trọng tâm lặp lại q trình tìm trọng tâm hội tụ Mục đích việc sử dụng thuật toán Mean shift đồ án em tăng độ xác cho việc phát đối tượng , loại bỏ kết phát sai nhiễu môi trường Việc cài đặt sử dụng thuật toán mean shift em sử dụng FrameWork Opencv Do tính tiện lợi phù hợp với ngơn ngữ lập trình em chọn sử dụng đồ án Python Sinh viên: Nguyễn Bùi Hải Phượng | 39 Khóa luận tốt nghiệp CHƯƠNG 3: HỆ THỐNG ĐẾM ĐỐI TƯỢNG SỬ DỤNG KỸ THUẬT HỌC MÁY DEEP-LEARNING 3.1 Thư viện mã nguồn mở OpenCV Intel OpenCV (OpenSource Computer Vision) Intel phát triển, giới thiệu năm 1999 hoàn thiện thành phiên 1.0 năm 2006 Thư viện OpenCV – gồm khoảng 500 hàm – có interface C++, C, Python, Java tương thích với hệ điều hành Windows, Linux, Mac OS, iOS Android đóng vai trị xác lập chuẩn giao tiếp, liệu, thuật toán cho lĩnh vực CV tạo điều kiện cho người tham gia nghiên cứu phát triển ứng dụng OpenCV thiết kế để tính tốn hiệu với tập trung nhiều vào ứng dụng thời gian thực Được viết tối ưu hóa C/C++, thư viện tận dụng lợi xử lý đa lõi Được sử dụng khắp giới, OpenCV có cộng đồng 47 nghìn người dùng số lượng download vượt triệu lần Phạm vi sử dụng từ nghệ thuật tương tác, lĩnh vực khai thác mỏ, đồ web công nghệ robot Trước OpenCV cơng cụ chuẩn nảo cho lĩnh vực xử lý ảnh Các đoạn code đơn lẻ nhà nghiên cứu tự viết thường không thống không ổn định Các công cụ thương mại Matlap, simulink, halcon, v.v lại có giá cao thích hợp với công ty phát triển ứng dụng lớn Ngồi cịn có giải pháp kèm theo thiết bị phần cứng mà phần lớn mã đóng thiết kế riêng cho thiết bị , khó khăn cho việc mở rộng ứng dụng Open CV cơng cụ hữu ích cho người bước đầu làm quen với xử lý ảnh số ưu điểm sau: - OpenCV công cụ chuyên dụng: Được Intel phát triển theo hướng lối tối ưu hóa cho ứng dụng xử lý phân tích ảnh, với cấu trúc liệu hợp lý, thư viện tạo giao diện, truy xuất thiết bị phần cứng tích hợp sẵn OpenCV thích hợp để phát triển nhanh ứng dụng - OpenCV công cụ mã nguồn mở: Không cơng cụ miễn phí (với BSD license), việc xây dựng mã nguồn mở giúp OpenCV trở thành cơng cụ thích hợp cho nghiên cứu phát triển, với khả thay đổi mở rộng mơ hình, thuật tốn Sinh viên: Nguyễn Bùi Hải Phượng | 40 Khóa luận tốt nghiệp - OpenCV sử dụng rộng rãi: Từ năm 1999 đến nay, OpenCV thu hút lượng lớn người dùng, có cơng ty lớn Microsoft, IBM, CMU, Cambridge Nhiều forum hỗ trợ cộng đồng người dùng thành lập, tạo nên kênh thông tin rộng lớn hữu ích cho việc tham khảo tra cứu Tổ chức thư viện OpenCV đơn giản, bao gồm module module mở rộng: - CXCORE chứa định nghĩa kiểu liệu sở Ví dụ, cấu trúc liệu cho ảnh, điểm hình chữ nhật định nghĩa cxtypes.h CXCORE chứa đại số tuyến tính phương pháp thống kê, chức trì điều khiển chuỗi Một số ít, chức đồ họa để vẽ ảnh đặt - CV chứa thuật tốn xử lý ảnh định kích cỡ camera Các chức hình họa máy tính đặt - CVAUX mô tả tài liệu OpenCV chứa mã cũ thứ nghiệm Tuy nhiên, giao diện đơn cho nhận diện ảnh module Code sau chúng chuyên dụng cho nhận diện mặt chúng ứng dụng rộng rãi cho mục đích - HIGHGUI CVCAM đặt thư mục “otherlibs” HIGHGUI chứa giao diện vào bản, chứa khả cửa sổ mở rộng vào video CVCAM chứa giao diện cho video truy cập qua DirectX Windows 32 bits Kèm theo thư viện tài liệu hướng dẫn ví dụ mẫu thể phần chức công cụ OpenCV Các chức openCV tập trung vào thu thập ảnh, xử lí ảnh thuật tốn phân tích liệu ảnh, bao gồm: - Truy xuất ảnh phim: đọc ảnh số từ camera, từ file, ghi ảnh phim Sinh viên: Nguyễn Bùi Hải Phượng | 41 Khóa luận tốt nghiệp - Cấu trúc liệu ảnh số liệu hỗ trợ cần thiết: ma trận, vector, chuỗi, xâu - Xử lí ảnh bản: lọc có sẵn, tìm chi tiết cạnh, góc, chỉnh đổi màu, phóng to thu nhỏ, hiệu chỉnh histograms - Xử lí cấu trúc: tìm viền, nhận chuyển động, thay đổi không gian 3D, đối chiếu mẫu, xấp xỉ đơn vị hình học sở - mặt phẳng, đa giác, ellipse, đường thẳng - Phân tích liệu ảnh: nhận dạng thực thể, theo dõi chi tiết phân tích chuyển động - Tạo giao diện đơn giản: hiển thị ảnh, thao tác bàn phím, chuột, trượt để chỉnh thông số (nếu cần thiết bạn tự tạo thêm phím điều khiển thơng qua thao tác chuột, tích hợp thêm thư viện giao diện wxWidgets) - Chức vẽ, thích lên ảnh 3.2 Thư viện Tensorflow Tensorflow thư viện phần mềm mã nguồn mở dành cho Machine Learning nhiều loại hình tác vụ nhận thức hiểu ngơn ngữ Nó sử dụng cho nghiên cứu lẫn sản xuất 50 đội khác hàng tá sản phẩm thương mại Google, nhận dạng giọng nói, xử lý tin nhắn Gmail, nơi lưu trữ ảnh Google Photos tiếng trang tìm kiếm Google.com, nhiều số sử dụng chương trình tiền nhiệm DistBelief Tensorflow nguyên thủy phát triển đội Google Brain cho mục đích nghiên cứu sản xuất Google sau phát hành theo giấy phép mã nguồn mở Apache 2.0 vào ngày 9/11/2015 Tensorflow hệ thứ hai hệ thống Machine Learning Google Brain, với cài đặt tham khảo phát hành dạng phần mềm mã nguồn mở vào ngày 9/11/2015 Trong cài đặt tham khảo chạy thiết bị đơn, Tensorflow chạy nhiều CPU GPU (với nhiều mở rộng CUDA tùy chọn cho việc tính tốn đa GPU) Nó chạy desktop Linux Mac OS X 64-bit hệ thống máy chủ, tảng điện toán di động, bao gồm Android iOS Apple Các tính tốn Tensorflow thể dạng Sinh viên: Nguyễn Bùi Hải Phượng | 42 Khóa luận tốt nghiệp biểu đồ Dataflow chi tiết Nhiều nhóm Google chuyển từ DistBelief sang Tensorflow để phục vụ cho việc nghiên cứu sản xuất Thư viện thuật toán bắt nguồn từ nhu cầu Google để hướng dẫn (lập trình) hệ thống máy tính, gọi mạng Nơron, để tìm hiểu lý luận tương tự cách thức người, mà ứng dụng xuất phát từ đảm nhận vai trò chức vốn trước dành cho người có khả năng; tên Tensorflow thân xuất phát từ thao tác mà mạng nơron thực mảng liệu đa chiều Những mảng đa chiều gọi "tensor" khái niệm không giống với khái niệm 'tensor' tốn học Mục đích để huấn luyện mạng nơron phát giải mã mẫu mối tương quan 3.3 Cách sử dụng API phát đối tượng Tensorflow - API đếm đối tượng Tensorflow phụ thuộc vào thư viện sau:  Tensorflow: framework machine learning  Opencv-python: Thư viện xử lý hình ảnh video cho python  Matplotlib: Vẽ đồ thị  Pillow: Viết chữ lên ảnh  Scipy: Các thư viện tính tốn, nghiên cứu khoa học - Khả chung API đếm đối tượng Tensorflow Hình 24: Cách thức hoạt động Sinh viên: Nguyễn Bùi Hải Phượng | 43 Khóa luận tốt nghiệp - Cấu Trúc Hệ Thống Hình 25: Cấu trúc hệ thống Phát phân loại đối tượng phát triển dựa API Phát đối tượng Tensorflow Dự đoán màu đối tượng phát triển OpenCV thơng qua Thuật tốn phân loại học máy hàng xóm K-Recent tính biểu đồ màu đào tạo - Theo dõi Hình 26: Cấu trúc xử lý video Video nguồn đọc khung hình với OpenCV Mỗi khung xử lý theo mơ hình “SSD with Mobienet” phát triển Tensorflow Đây vòng lặp tiếp tục hoạt động kết thúc video Đường ống trình theo dõi đưa mơ hình Sinh viên: Nguyễn Bùi Hải Phượng | 44 Khóa luận tốt nghiệp - Mơ hình Hình 27: Mơ hình SSD with mobilenet - Cách sử dụng Đầu tiên chép kho lưu trữ phát đối tượng Tensorflow phải cài đặt Tensorflow Trong Machine Learning cổ điển, ta làm với việc sử dụng tệp CSV, đào tạo kiển tra mơ hình Nhưng đây, phải làm cấp độ thô sơ đươc hiển thị sơ đồ đây: Hình 28: Mơ hình hoạt động Sinh viên: Nguyễn Bùi Hải Phượng | 45 Khóa luận tốt nghiệp 3.4 Xây dựng chương trình nhận dạng đếm đối tượng API Để thực nhận diện đối tượng ImageAI, tất bạn cần làm là: - Cài đặt python - Cài đặt ImageAI phụ thuộc - Tải xuống file mơ hình Object Detection - Chạy chương trình Bây giờ, bắt đầu Tải xuống cài đặt python từ https://python.org Tensorflow 1.4.0 (and later versions) pip3 install upgrade tensorflow Numpy 1.13.1 (and later versions) pip3 install numpy SciPy 0.19.1 (and later versions) pip3 install scipy OpenCV pip3 install opencv-python Pillow pip3 install pillow Sinh viên: Nguyễn Bùi Hải Phượng | 46 Khóa luận tốt nghiệp Matplotlib pip3 install matplotlib h5py pip3 install h5py Keras 2.x pip3 install keras 10 ImageAI pip install https://github.com/OlafenwaMoses/ImageAI/releases/download/2.0.1 /imageai-2.0.1-py3-none-any.whl 11 Tải xuống mô hình RetinaNet sử dụng để nhận diện đối tượng qua liên kết Mọi thứ sẵn sàng, tạo tệp python ObjectDetection.py Sao chép file mô hình RetinaNet hình ảnh mà bạn muốn phát vào thư mục chứa file ObjectDetection.py Sinh viên: Nguyễn Bùi Hải Phượng | 47 Khóa luận tốt nghiệp Nhập vào file ObjectDetection.py đoạn mã sau: 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(executi on_path , "image.jpg"), output_image_path=os.path.join(execution_path , "imagenew.jpg")) for eachObject in detections: print(eachObject["name"]+":"+eachObject["percentage_probability" ]) Ba dòng đầu tiên, import lớp ImageAI Object Detection dòng đầu tiên, dòng thứ import lớp python os xác định biến để giữ đường dẫn đến thư mục chứa file python Tệp mô hình RetinaNet hình ảnh nằm dịng thứ ba from imageai.Detection import ObjectDetection import os execution_path = os.getcwd() Tiếp dòng mã sau, định nghĩa lớp object detection dịng đầu, thiết lập kiểu mơ hình cho RetinaNet dòng thứ hai, thiết lập đường dẫn mơ hình RetinaNet dịng thứ ba, load mơ hình vào lớp object detection dịng thứ tư, sau ta gọi hàm detection phân tích cú pháp đường dẫn hình ảnh đầu vào đường dẫn hình ảnh đầu dịng thứ năm 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 (execution_path , "image.jpg"), output_image_path=os.path.join (execution_path , "imagenew.jpg") Sinh viên: Nguyễn Bùi Hải Phượng | 48 Khóa luận tốt nghiệp Trong hai dòng mã cuối, ta lặp qua tất kết trả hàm detector.detectObjectsFromImage dịng đầu tiên, sau in tên xác suất phần trăm mơ hình đối tượng phát hình ảnh dịng thứ hai for eachObject in detections: print(eachObject["name"]+":"+eachObject["percentage_probability" ]) ImageAI hỗ trợ nhiều tùy chỉnh mạnh mẽ trình nhận diện đối tượng Một số khả trích xuất hình ảnh đối tượng phát hình ảnh Bằng cách thêm tham số extract_detected_objects=True vào hàm detectObjectsFromImage Lớp object detection tạo thư mục cho đối tượng hình ảnh, trích xuất ảnh, lưu ảnh vào thư mục detections = detector.detectObjectsFromImage(input_image=os.path.join (execution_path , "image.jpg"), output_image_path=os.path.join (execution_path , "imagenew.jpg"),extract_detected_objects=True) Đếm đối tượng _, contours, _ = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) print("Cout: " + str(len(contours))) Sinh viên: Nguyễn Bùi Hải Phượng | 49 Khóa luận tốt nghiệp Kết quả: API đếm đối tượng Tensorflow source framework nguồn mở xây dựng dựa Tensorflow giúp dễ dàng phát triển hệ thống đếm đối tượng - Chế độ đếm tích lũy Hình 29: Mơ tả đếm tích lũy Hình 30: Mơ tả đếm tích lũy Sinh viên: Nguyễn Bùi Hải Phượng | 50 Khóa luận tốt nghiệp - Chế độ đếm hình đơn lẻ Hình 31: Mơ tả chế độ đếm hình đơn lẻ Chế độ đếm hình đơn lẻ tốt nhận diện tất với mức độ nhận diện thấp 76% Sinh viên: Nguyễn Bùi Hải Phượng | 51 Khóa luận tốt nghiệp PHẦN III: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Vì thời gian có hạn thiếu hụt kiến thức mặt lý thuyết, nên khóa luận cịn nhiều thiếu sót chưa giải thích sâu lợi ích mà ứng dụng mà Tensorflow đem lại Về lý thuyết, khóa luận trình bày tổng qt hệ thống đếm đối tượng có sử dụng Trí tuệ nhân tạo thông qua Tensorflow Về mặt áp dụng, đề tài giải toán nhận dạng đếm đối tượng Mơ hình giải tốn đơn giản, dễ cài đặt thích hợp, khơng cần địi hỏi q nhiều phần cứng Một số nhược điểm mang tính nghiên cứu nên hệ thống làm việc tập liệu thử nghiệm Ứng dụng chưa giải triệt để toán xử lý lỗi góc nhìn chụp ảnh, tốn làm việc điều kiện môi trường phực tạp ánh sáng yếu, che khuất….Chưa phân biệt rõ nhiều đối tượng đối tượng chuyển động Hướng phát triển Nâng cấp khả hệ thống, trở thành hệ thống nhận dạng đếm đối tượng hoàn chỉnh, đưa kết xác tức thời cho người sử dụng Cải thiện khả làm việc, giải triệt để vấn đề cịn mắc phải phát chưa xác điều kiện môi trường phực tạp, sửa lỗi góc nhìn quay phim, chụp hình… Sinh viên: Nguyễn Bùi Hải Phượng | 52 Khóa luận tốt nghiệp TÀI LIỆU THAM KHẢO [1] TS Hoàng Văn Dũng, “ Giáo trình nhận dạng xử lý ảnh”, nhà xuất khoa học kỹ thuật, năm 2018 [2] https://vi.wikipedia.org/wiki/TensorFlow [3] https://github.com/ahmetozlu/tensorflow_object_counting_api [4] https://www.tensorflow.org/ [5] https://machinelearningcoban.com/2016/12/26/introduce/ [6] https://viblo.asia/p/computer-vision-object-detection-nhan-dien-vat-the-chi-voi-10dong-code-su-dung-imageai-naQZRbdjZvx [7] https://medium.com/@WuStangDan/step-by-step-tensorflow-object-detection-apitutorial-part-1-selecting-a-model-a02b6aabe39e Sinh viên: Nguyễn Bùi Hải Phượng | 53 ... thiết cho hệ thống ngày Mục đích nghiên cứu Mục đích việc nghiên cứu tìm hiểu hệ thống đếm đối tượng sử dụng trí tuệ nhân tạo Trong trình tìm hiểu ta tìm hiểu cách thức đếm vật thể hệ thống Nhằm... trí tuệ nhân tạo 1.1.1 Trí tuệ nhân tạo (AI) gì? Trí tuệ nhân tạo hay trí thơng minh nhân tạo (Artificial Intelligence - AI) ngành thuộc lĩnh vực khoa học máy tính (Computer science) Là trí tuệ. .. Sáng tạo hay đưa ý kiến giải pháp khác thay hệ thống: Sau tìm hiểu quy luật mô tả hệ thống, giải thích có hệ thống tiếp sau phải có ý kiến giải pháp hay biện pháp gắn liền với chức hệ thống Đối tượng