Kết cấu nội dung của Luận văn này gồm 3 chương: Chương 1 - Mạng nơron và mạng nơron tích chập; Chương 2 - Tổng quan về nhận dạng biển số xe; Chương 3 - Áp dụng mạng nơron tích chập trong nhận dạng ký tự. Mời các bạn cùng tham khảo!
HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG - Nguyễn Thế Quyền NGHIÊN CỨU VỀ MẠNG NƠRON TÍCH CHẬP VÀ ỨNG DỤNG CHO BÀI TOÁN NHẬN DẠNG BIỂN SỐ XE Chuyên ngành : KHOA HỌC MÁY TÍNH Mã số : 8.48.01.01 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT HÀ NỘI - NĂM 2020 Luận văn hoàn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: TS PHẠM HOÀNG DUY Phản biện 1: ……………………………………………………………………… Phản biện 2: ……………………………………………………………………… Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Cơng nghệ Bưu Viễn thơng Vào lúc: ngày tháng năm 2020 Có thể tìm hiểu luận văn tại: - Thư viện Học viện Cơng nghệ Bưu Viễn thông PHẦN MỞ ĐẦU Deep Learning thuật toán dựa số ý tưởng từ não tới việc tiếp thu nhiều tầng biểu đạt, cụ thể lẫn trừu tượng, qua làm rõ nghĩa loại liệu Deep Learning ứng dụng nhận diện hình ảnh, nhận diện giọng nói, xử lý ngôn ngữ tự nhiên Hiện nhiều toán nhận dạng sử dụng deep learning để giải deep learning giải tốn với số lượng lớn, kích thước đầu vào lớn với hiệu độ xác vượt trội so với phương pháp phân lớp truyền thống Những năm gần đây, ta chứng kiến nhiều thành tựu vượt bậc ngành Thị giác máy tính (Computer Vision) Các hệ thống xử lý ảnh lớn Facebook, Google hay Amazon đưa vào sản phẩm chức thông minh nhận diện khuôn mặt người dùng, phát triển xe tự lái hay drone giao hàng tự động Convolutional Nơron Network (CNNs – Mạng nơ-ron tích chập) mơ hình Deep Learning tiên tiến giúp cho xây dựng hệ thống thơng minh với độ xác cao Trong luận văn cao học này, em vào nghiên cứu mạng nơron mạng Convolution (tích chập) ý tưởng mơ hình CNNs phân lớp ảnh (Image Classification), áp dụng việc xây dựng hệ thống nhận dạng biển số xe tự động Nội dung báo cáo bao gồm chương Chương 1: Mạng nơron mạng nơron tích chập Chương 2: Tổng quan nhận dạng biển số xe Chương 3: Áp dụng mạng nơron tích chập nhận dạng ký tự Phần kết luận tóm tắt lại nội dung đạt luận văn, nêu lên số gợi ý hướng phát triển luận văn CHƢƠNG MẠNG NƠRON VÀ MẠNG NƠRON TÍCH CHẬP 1.1 Giới thiệu mạng nơron Định nghĩa: Mạng nơron nhân tạo, Artificial Nơron Network (ANN) mơ hình xử lý thơng tin theo cách thức xử lý thông tin hệ nơron sinh học Nó tạo nên từ số lượng lớn phần tử (nơron) kết nối với thông qua liên kết (trọng số liên kết) làm việc thể thống để giải vấn đề cụ thể Một mạng nơron nhân tạo cấu hình cho ứng dụng cụ thể (nhận dạng mẫu, phân loại liệu, ) thông qua trình học từ tập mẫu huấn luyện Về chất học q trình hiệu chỉnh trọng số liên kết nơron Cấu trúc nơron nhân tạo: Hình 1-1 Cấu tạo Nơron Các thành phần nơron nhân tạo bao gồm: Tập đầu vào: Là tín hiệu vào (input signals) nơron, tín hiệu thường đưa vào dạng vector N chiều Tập liên kết: Mỗi liên kết thể trọng số liên kết – Synaptic weight Trọng số liên kết tín hiệu vào thứ j với nơron k thường ký hiệu wkj Thông thường, trọng số khởi tạo cách ngẫu nhiên thời điểm khởi tạo mạng cập nhập liên tục trình học mạng Bộ tổng (Summing function): Thường dùng để tính tổng tích đầu vào với trọng số liên kết Ngưỡng (cịn gọi độ lệch - bias): Ngưỡng thường đưa vào thành phần hàm truyền Hàm truyền (Transfer function): Hàm dùng để giới hạn phạm vi đầu nơron Nó nhận đầu vào kết hàm tổng ngưỡng Đầu ra: Là tín hiệu đầu nơron, với nơron có tối đa đầu Xét mặt toán học, cấu trúc nơron k, mô tả cặp biểu thức sau: Trong đó: x1, x2, , xp: tín hiệu vào; (wk1, wk2, , wkp) trọng số liên kết nơron thứ k; uk hàm tổng; bk ngưỡng; f hàm truyền yk tín hiệu đầu nơron Như nơron nhân tạo nhận tín hiệu đầu vào, xử lý (nhân tín hiệu với trọng số liên kết, tính tổng tích thu gửi kết tới hàm truyền), cho tín hiệu đầu ( kết hàm truyền) Bảng 1.1 Một số hàm truyền thông dụng Hàm truyền Đồ thị Định nghĩa Hàm biết đến với tên "Hàm ngưỡng" (Threshold function Symmetrical Hard Limit (hardlims) hay Heaviside function) Đầu hàm giới hạn vào hai giá trị: Nếu coi đầu vào đơn vị Linear (purelin) chúng sử dụng hàm Đôi số nhân với net-input để tạo hàm đồng Hàm có thuộc tính tương tự Saturating hàm sigmoid Nó làm việc tốt Linear ứng dụng có đầu yêu cầu (satlin) khoảng [-1,1] Hàm đặc biệt thuận lợi sử dụng cho mạng huấn luyện LogSigmoid (logsig) (trained) thuật tốn Lan truyền ngược (back-propagation), dễ lấy đạo hàm, giảm đáng kể tính tốn q trình huấn luyện Hàm ứng dụng cho chương trình ứng dụng mà đầu mong muốn rơi vào khoảng [0,1] 1.1 Mạng nơron tích chập 1.1.1 Định nghĩa mạng nơron tích chập Tích chập ứng dụng phổ biến lĩnh vực thị giác máy tính Thơng qua phép tích chập, đặc trưng từ ảnh chiết xuất truyền vào lớp tích chập (layer convolution) Mỗi lớp tích chập bao gồm nhiều đơn vị mà kết đơn vị phép biến đổi tích chập từ layer trước thơng qua phép nhân tích chập với lọc 1.1.2 Convolution (tích chập) Tích chập khái niệm xử lý tín hiệu số nhằm biến đổi thơng tin đầu vào thơng qua phép tích chập với lọc để trả đầu tín hiệu Tín hiệu làm giảm đặc trưng mà lọc không quan tâm giữ đặc trưng Hình 1-2 Minh họa tích chập Ảnh đầu vào cho qua lọc chạy dọc ảnh Bộ lọc có kích thước (3x3 5x5) áp dụng phép tích vơ hướng để tính tốn, cho giá trị Đầu phép tích chập tập giá trị ảnh gọi mạng đặc trưng (features map) 1.2 Mơ hình mạng nơron tích chập Hình 1-3 Mơ hình mạng nơron tích chập CNNs có tính bất biến tính kết hợp cục (Location Invariance and Compositionality) Với đối tượng, đối tượng chiếu theo gốc độ khác (translation, rotation, scaling) độ xác thuật tốn bị ảnh hưởng đáng kể Pooling lớp cho bạn tính bất biến phép dịch chuyển (translation), phép quay (rotation) phép co giãn (scaling) 1.3 Kết luận chƣơng Rất nhiều toán nhận dạng sử dụng Deep Learning, giải tốn với số lượng lớn biến, tham số kích thước đầu vào lớn với hiệu độ xác vượt trội so với phương pháp phân lớp truyền thống, xây dựng hệ thống thông minh với độ xác cao Convolutional Nơron Network (CNNs – Mạng nơ-ron tích chập) mơ hình mạng Học sâu phổ biến nay, có khả nhận dạng phân loại hình ảnh với độ xác cao, chí cịn tốt người nhiều trường hợp Mơ hình phát triển, ứng dụng vào hệ thống xử lý ảnh lớn Facebook, Google hay Amazon… cho mục đích khác 10 CHƢƠNG TỔNG QUAN VỀ NHẬN DẠNG BIỂN SỐ XE 2.1 Khái niệm hệ thống nhận dạng biển số xe 2.1.1 Cách thức hoạt động hệ thống nhận dạng biển số xe Trước giới thiệu thư viện Mapkit, tác giả đưa nội dung sau: Hệ thống ALPR (Automatic License Plate Recognition) gồm phần cứng phần mềm, phần cứng camera thu nhận ảnh xe phần mềm có chức nhận dạng biển số xe từ ảnh chụp camera Camera thu nhận ảnh đặt vị trí cố định cho quét hình ảnh xe cách rõ ràng chụp lại hình ảnh đối tượng xe có chứa biển số Ảnh đưa vào phần mềm nhận dạng để trích xác biển số xe có ảnh, sau thuật tốn OCR (Optical Character Recognition) sử dụng để lấy ký tự chuyển đổi thành định dạng mà máy tính phân biệt chữ số dạng text…Cùng với phát triển công nghệ, camera ngày chụp cách rõ nét điều kiện xe chạy với tốc độ cao đường cao tốc Khơng có hệ thống ALPR nhận dạng xác 100% Điều phụ thuộc vào nhiều yếu tố thời tiết, độ sáng, góc camera tới xe,…Một số yếu tố ảnh hưởng đến độ xác hệ thống là: Độ phân giải ảnh ảnh bị mờ Điều kiện ánh sáng yếu, bị phản chiếu che bóng Các đối tượng có dạng tương tự biển số xe ngoại cảnh Sự khác cấu trúc biển số xe nước 2.1.2 Phân loại ứng dụng nhận dạng biển số xe Có nhiều cách thức khác để phân loại ứng dụng nhận dạng biển số xe Một cách đơn giản phân loại ứng dụng nhận dạng biển số xe 11 thơng qua mục đích sử dụng Có thể chia ứng dụng nhận dạng biển số xe thành hai loại sau: Loại 1: Giới hạn vùng nhìn Đầu vào: Ảnh thu trực tiếp từ thiết bị ghi nhận ảnh kỹ thuật số Ảnh ghi nhận thường giới hạn vùng có biển số xe Nguyên lý hoạt động: Các phương tiện giao thông phải chạy với tốc độ đủ chậm để máy ghi nhận hình ảnh thu ảnh vùng biển số xe Ứng dụng: Những ứng dụng nhận dạng biển số xe loại thường dùng trạm kiểm sốt, trạm thu phí, bãi gửi xe tự động, trạm gác cổng Loại 2: Không giới hạn vùng nhìn Đầu vào: Ảnh đầu vào thu từ thiết bị ghi hình tự động, khơng phụ thuộc vào góc độ, đối tượng xung quanh, ảnh khơng cần bắt buộc chụp vùng chứa biển số xe, mà ảnh tổng hợp chứa thêm đối tượng người, đường phố , miễn vùng biển số xe phải đủ rõ để thực nhận dạng ký tự vùng Ngun lý hoạt động: Do đặc tính khơng giới hạn vùng nhìn mà ảnh đầu vào thu từ thiết bị ghi hình (camara, máy ảnh…) Và đó, cơng việc dị tìm ảnh, để xác định vùng biển số xe Sau đó, thực tách vùng nhận dạng Cuối tùy thuộc vào mục đích sử dụng mà kết nhận dạng truyền hay lưu trữ để phục vụ nhu cầu người dùng cuối Ứng dụng: Vì khơng phụ thuộc vào hình ảnh thu nên dùng ứng dụng nhiều nơi nơi điều tiết giao thông, vị trí nhạy cảm giao thơng ngã ba, ngã tư đường giao Kiểm soát, phát hành vi vi phạm an tồn giao thơng 2.1.3 Phân loại biển số xe Quy định màu sắc ký tự biển số Biển trắng chữ đen dành cho dân 12 Màu trắng chữ, số biển dành cho người nước NG xe ngoại giao NN xe tổ chức, cá nhân nước ngồi: Trong số mã quốc gia, số số thứ tự ( Ghi chú: Xe số 80 NG xxx-yy biển cấp cho đại sứ quán, thêm gạch đỏ số cuối 01 biển xe tổng lãnh sự.) Biển đỏ chữ trắng dành cho quân đội 2.2 Kết luận chƣơng Dựa nội dung thu thập phân loại hệ thống nhận dạng biển số xe giúp có định hướng rõ ràng đưa phương pháp áp dụng nhận dạng Đã giải vấn đề phát vùng chứa biển số xe nhận dạng ký tự biển số Với toán phát vùng chứa biển số cách tiếp cận theo phương pháp hình thái học để phát vùng biển số cho biển đăng ký xe Bài tốn nhận dạng ký tự sử dụng mơ hình mạng nơron tích chập để tiến hành nhận dạng 13 CHƢƠNG ÁP DỤNG MẠNG NƠRON TÍCH CHẬP TRONG NHẬN DẠNG KÝ TỰ 3.1 Giai đoạn xử lý ảnh 3.1.1 Cách phân loại ảnh Ảnh nhị phân: Giá trị xám tất điểm ảnh nhận giá trị điểm ảnh ảnh nhị phân biểu diễn bit Ảnh xám: Giá trị xám nằm [0, 255] điểm ảnh ảnh nhị phân biểu diễn 1byte Ảnh màu: Hệ màu RGB: Một pixel biểu diễn giá trị (R, G, B) R, G, B giá trị xám biểu biểu diễn byte Khi ta có ảnh 24 bits P(x, y) = (R, G, B) Hệ màu CMY: phần bù hệ màu RGB, thường dùng máy in (C, M, Y) = (1, 1, 1) – (R, G, B) Hay C+R=M+G=Y+B=1 Hệ màu CMYK: K độ đậm nhạt màu K= min(C, M, Y) P(x, y) = (C-K, M-K, V-K, K) Hình 3-1 Ảnh màu, ảnh mức xám ảnh nhị phân 14 3.1.2 Các giai đoạn xử lý ảnh Giai đoạn xử lý ảnh nhận dạng biển số xe gồm bước sau: Thu nhận ảnh: ảnh thu từ nhiều nguồn khác nhau:máy ảnh, máy quay phim, máy quét, ảnh vệ tinh biến đổi thơng tin hình ảnh cấu trúc lưu trữ máy tính, hiển thị thiết bị ngoại vi Tiền xử lý (Image Processing): trình sử dụng kỹ thuật xử lý ảnh để làm ảnh tốt lên theo mục đích sử dụng Phân đoạn biểu diễn ảnh Nhận dạng nội suy ảnh Hình 3-2 Các bước xử lý ảnh 3.1.3 Xác định vùng chứa biển số a Phân ngưỡng vùng đối tượng Ý tưởng: nhận thấy vùng biển số vùng đặc trưng có hình chữ nhật, có tỉ lệ kích thước theo tiêu chuẩn Vì sau tách ngường tìm vùng (EmguCV hỗ trợ findContours) ta tìm vùng có tỷ lệ theo kích thước giống với tỉ lệ biển số xe Để lọc vùng biển số lần ta tiếp tục tìm số vùng vùng biển số so sánh với số lượng ký tự biển số Gồm bước: Bước 1: Tìm vùng biển số với ảnh xám đầu vào thực phân ngưỡng (hoặc dò biên canny) tìm đối tượng Tách đối tượng có tỉ lệ rộng/dài phạm vi biển số để làm nguồn cho bước 15 Bước 2: Tách riêng ký tự biển số: Tiến hành tìm đối tượng nguồn bước cung cấp sau so sánh số đối tượng nhận có trùng với số ký tự tên biển số xe không Nếu khớp với tiêu chuẩn vùng biển số có khả biển số xe cao Tách riêng ký tự để nhận dạng b Một số đặc điểm xe Việt nam Ở nước thường có tiêu chuẩn kích thước định Đối với nước ta, biển số xe qui định đồng cho loại xe, tỷ lệ chiều dài, rộng cho loại xe nhau: Đối với loại xe có hàng ký tự tỉ lệ dài/rộng là: 3.5 W / H 4.5 Đối với loại xe có hai hàng ký tự tỉ lệ dài/rộng là: 0.8 W / H 1.4 Từ đặc điểm này, ta có xác định vùng thỏa mãn khả chứa biển số cao Mỗi ký tự thường có tỷ lệ kích thước chiều rộng, chiều cao tương ứng với chiều dài rộng biển số xe Ví dụ, chiều cao ký tự nhỏ 85% chiều cao biển số xe lớn 33% chiều cao biển xe Cịn chiều rộng ký tự khơng lớn 20% chiều dài biển số xe Mỗi ký tự biển số xe xem vùng liên thơng Do đó, đếm vùng liên thơng thỏa mãn tích chất ký tự Chú ý số ký tự biển số xe từ đến 10 ký tự nước ta có số ký tự biền số xe nằm khoảng đến ký tự 16 Hình 3-3 Một số loại biển sỗ xe thông dụng c Phát vùng chưa biển số Sơ đồ bước phát vùng chứa biển số xe 17 Hình 3-4 Các bước phát vùng chứa biển số xe Bước 1: Biến đối ảnh xám lọc ảnh Ảnh đầu vào ảnh bất kỳ, chuyển ảnh có 256 mức xám tiến hành lọc ảnh giảm nhiễu Bước 2: Nhị phân hóa ảnh Việc sử dụng ảnh mức xám khơng làm giảm tính đa ứng dụng Trên thực tế, ảnh mức xám sử dụng nhiều, nhiều thiết bị ghi hình có khả tự chuyển ảnh màu thành ảnh mức xám Tuy nhiên, để ảnh mức xám việc phát biên khơng hiệu quả, thay đổi liên tục mức xám làm cho việc xác định biên dễ dàng, việc tìm vùng liên tục biên hạn chế Vì vậy, thực chuyển ảnh dạng nhị phân để thực việc lấy biên nhanh 18 Bước 3: Tiến hành phân ngưỡng phát biên Có hai trình phân ngưỡng phân ngưỡng tự động phân ngưỡng không tự động Khi ta tiến hành phân ngưỡng làm rõ vùng biển số, giai đoạn ta sử dụng phương pháp phát biên Bước 4: Tìm đường bao đối đượng Khi có ảnh thu bước tiến hành tìm vùng biên đối tượng riêng để trích vùng lấy thơng số vùng tọa độ điểm cạnh, diện tích vùng Bước 5: Tách vùng biển số Tìm đường bao đối tượng với tiêu chí tỉ lệ 3.5 W H 4.5 0.8 W H 1.4 để tìm vùng biển số Tiến hành cắt vùng biển số ảnh để làm nguồn cho giai đoạn cắt ký tự để làm mẫu cho trình nhận dạng ký tự 3.2 Cài đặt ứng dụng 3.2.1 Môi trường cài đặt yêu cầu phàn cứng phần mềm Phần mềm Visual studio 2015: Visual Studio mơi trường tích hợp từ Microsoft Nó sử dụng để phát triển chương trình máy tính cho Microsoft Windows, trang web, ứng dụng web dịch vụ web Visual Studio hỗ trợ nhiều ngơn ngữ lập trình khác cho phép lập trình viên biên tập mã gỡ lỗi để hỗ trợ (mức độ khác nhau) với hầu hết ngơn ngữ lập trình, cung cấp dịch vụ ngôn ngữ cụ thể tồn Ứng dụng xây dựng ngôn ngữ bao gồm C, C ++,VB,C# Tính chương trình Visual Studio biên tập code, sửa lỗi thiết kế Window Forms… 19 Hình 3-5 Giao diện Visual studio 2015 Thư viện xử lý ảnh EmguCV: OpenCV (Open Computer Vision) thư viện mã nguồn mở chuyên dùng để xử lý vấn đề liên quan đến thị giác máy tính Nhờ hệ thống giải thuật chuyên biệt, tối ưu cho việc xử lý thị giác máy tính, tính ứng dụng OpenCV lớn EmguCV cross flatform.NET, thư viện xử lý hình ảnh mạnh dành riêng cho ngơn ngữ C#, cho phép gọi chức OpenCV từ NET Lợi cua EmguCV viết hoàn toàn C# ,có thể chạy tảng hỗ trợ Tính ứng dụng EmguCV lớn, kể đến nhận dạng ảnh ( nhận dạng khuôn mặt, vật thể …),xử lý ảnh (khử nhiễu, điều chỉnh độ sáng … ), nhận dạng cử nhiều ứng dụng khác 20 3.2.2 Giao diện chương trình Hình 3-6 Giao diện chương trình 21 3.3 Kết thực nghiệm nhận dạng biển số xe Chạy ứng dụng nhận dạng biển số, đưa 376 ảnh liệu xe để kiểm tra kết phát biển số, tách ký tự nhận dạng ký tự chương trình, ghi nhận kết Tỉ lệ biển nhận dạng vùng biển số: 372/376 ~ 98% Hình 3-7 Một số biển không phát biển số Tỉ lệ biển tách đầy đủ ký tự: 330/335 ~ 98% Hình 3-8 Một số biển khơng tách ký tự, chữ số bị dính với vật bên ngồi đinh ốc, ký tự bị mờ nét, nét, loang lổ, 22 Hình 3-9 Một số biển số xe nhận dạng sai hặc khơng thể nhận dạng Hình 3-10 Mẫu biển số xe nhận dạng chuẩn Kết nhận dạng chung ứng dụng từ khâu phát biển số, đến tách ký tự nhận dạng ký tự đạt xấp xỉ 65% với liệu có nhiều ảnh khơng đạt tiêu chuẩn bị bóng mờ, q dơ, nhịe,… Với ảnh biển số sẽ, rõ ràng, khơng phụ kiện gắn biển, tỉ lệ nhận dạng đạt tới hớn 70% 3.4 Kết luận chƣơng Demo nhận dạng với phương pháp trình bày đồ án thu số điểm sau: 23 Huấn luyện mạng nơron có thành cơng hay không phụ thuộc nhiều vào giá trị khởi tạo ban đầu Nếu lựa chọn giá trị tối ưu việc huấn luyện nhanh đạt kết Chất lượng trình huấn luyện phụ thuộc nhiều vào chất lượng tập mẫu Nếu tập mẫu nhiều, đầy đủ, chất lượng nhận tri thức mạng cao, nhiên thời gian huấn luyện lâu Thời gian huấn luyện phụ thuộc nhiều vào lựa chọn tham số đầu vào nút ẩn, nút ra, nút vào Ưu điểm: thuật tốn cài đặt nhanh, tìm vùng biển số cách ly ký tự với tỉ lệ thành công cao (ở biểnsố thơng thường), tìm ảnh tự nhiên, vùng biển số bị nghiêng.Bên cạnh đó, cịn tồn số điểm hạn chế chưa giải như: Tỉ lệ nhận dạng phụ thuộc nhiều vào điều kiện ánh sáng, phản chiếu che bóng Với biển số có đường viền phức tạp mức độ nhận dạng khơng cao Chỉ giới hạn ảnh chụp góc 40 độ để nhận dạng tốt, góc lớn khả nhận dạng giảm Ảnh xe bóng tối hay ban đêm khơng có đèn flash khả nhận dạng thấp thiếu sáng Bên cạnh đó, cịn tồn số điểm hạn chế chưa giải như: Tỉ lệ nhận dạng phụ thuộc nhiều vào điều kiện ánh sáng, phản chiếu che bóng Với biển số có đường viền phức tạp mức độ nhận dạng khơng cao Chỉ giới hạn ảnh chụp góc 40 độ để nhận dạng tốt, góc lớn khả nhận dạng giảm Ảnh xe bóng tối hay ban đêm khơng có đèn flash khả nhận dạng thấp thiếu sáng 24 KẾT LUẬN Luận văn “Nghiên cứu mạng nơron tích chập ứng dụng cho toán nhận dạng biển số xe ” với mục đích tìm hiểu tốn giám sát, quản lý phương tiện giao thông cách tự động đạt kết sau: Lý thuyết: Về mặt lý thuyết, luận văn giới thiệu mạng nơron tích chập số phương pháp nhận dạng ảnh, ký tự; luận văn đưa nghiên cứu số thuật tốn tính áp dụng cho toán đưa áp dụng thuật tốn vào ứng dụng Ứng dụng: Trên sở nghiên cứu lý thuyết test thành công liệu đầu vào ứng dụng xây dựng tảng NET cho kết khả quan Hiện ứng dụng giai đoạn thử nghiệm phát triển thêm modul để tiếp thu ý kiến đóng góp người dùng giúp cho ứng ụng hoàn thiện Hƣớng nghiên cứu tiếp theo: Nâng cao hiệu chương trình, tách ly kí tự biển số trường hợp biển số bị nhiều nhiễu, mát thông tin nhiễu từ điều kiện mơi trường, tìm vùng biển số ảnh có độ tương phản biển số thấp Đặc biệt biển xe có màu đỏ chữ trắng Phát triển chương trình thành module phần cứng Có khả tương thích với thiết bị quan sát camera Nghiên cứu theo hướng ứng dụng cụ thể : giám sát phương tiện giao thông, xử lý vi phạm giao thông, quản lý xe bãi giữ xe, kho vật tư… ... 1: Mạng nơron mạng nơron tích chập Chương 2: Tổng quan nhận dạng biển số xe Chương 3: Áp dụng mạng nơron tích chập nhận dạng ký tự Phần kết luận tóm tắt lại nội dung đạt luận văn, nêu lên số. .. để phát vùng biển số cho biển đăng ký xe Bài toán nhận dạng ký tự sử dụng mơ hình mạng nơron tích chập để tiến hành nhận dạng 13 CHƢƠNG ÁP DỤNG MẠNG NƠRON TÍCH CHẬP TRONG NHẬN DẠNG KÝ TỰ 3.1... nghiệm nhận dạng biển số xe Chạy ứng dụng nhận dạng biển số, đưa 376 ảnh liệu xe để kiểm tra kết phát biển số, tách ký tự nhận dạng ký tự chương trình, ghi nhận kết Tỉ lệ biển nhận dạng vùng biển số: