BÁO CÁO BÀI TẬP LỚN Đề tài DANH BẠ ĐIỆN THOẠI

xTRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƯỜNG ĐIỆN – ĐIỆN TỬ BÁO CÁO BÀI TẬP LỚN Đề tài: DANH BẠ ĐIỆN THOẠI Sinh viên thực hiện: TRẦN MINH HIỂN Lớp CTTT Hệ thống Nhúng IoT 01-K64 Giảng viên hướng dẫn: PGS.TS TRẦN THỊ THANH HẢI Hà Nội, 01-2022 MỤC LỤC Lời nói đầu…………………………………………………………………………… CHƯƠNG GIỚI THIỆU CHUNG (6 trang) 1.1 Giới thiệu chủ đề 1.2 Một số nghiên cứu liên quan 1.3 Mục tiêu đề tài .3 1.4 Phương pháp đề xuất 1.5 Phân chia nhiệm vụ nhóm CHƯƠNG CƠ SỞ DỮ LIỆU (6 trang) .4 2.1 Dữ liệu thử nghiệm (3 trang) 2.1.1 Dữ liệu 2.1.2 Dữ liệu 2.2 Phương pháp độ đo đánh giá (1 trang) .4 2.3 Các nghiên cứu có CSDL (2 trang) CHƯƠNG PHƯƠNG PHÁP THỰC HIỆN (8-10 trang) .5 3.1 Phương pháp đề xuất 3.2 Cài đặt thử nghiệm .5 3.2.1 Môi trường cài đặt 3.2.2 Triển khai cài đặt 3.2.3 Huấn luyện mơ hình 3.3 Thực nghiệm 3.3.1 Đánh giá định lượng 3.3.2 Phân tích định tính CHƯƠNG KẾT LUẬN (2 trang) 4.1 Kết luận 4.2 Hướng phát triển 4.3 Kiến nghị, đề xuất 4.3.1 Đối với tập lớn 4.3.2 Đối với môn học TÀI LIỆU THAM KHẢO DANH SÁCH CÁC TỪ VIẾT TẮT DANH SÁCH HÌNH VẼ DANH SÁCH BẢNG CHƯƠNG GIỚI THIỆU CHUNG (6 trang) MỘT SỐ LƯU Ý Độ dài: không 25 trang (khơng kể mục lục, danh sách hình, bảng biểu, tham khảo) Hình vẽ, bảng biểu phải tham chiếu tự động Các tài liệu, hình vẽ liên quan phải trích dẫn đưa vào danh sách tài liệu tham khảo Các hình vẽ, bảng biểu phải đánh mục cách tự động (sử dụng references) Mục lục, bảng biểu, hình vẽ phải cập nhật tự động Tài liệu tham khảo: sử dụng phần mềm Endnote Zotero để quản lý chèn tài liệu tham khảo tự động 1.1 Giới thiệu chủ đề Giới thiệu toán (đầu vào, đầu ra) Các thách thức / khó khăn tốn Các ứng dụng tốn (1-2 trang) 1.2 Một số nghiên cứu liên quan Các nghiên cứu , sản phẩm thương mại có giới nước (2 trang) 1.3 Mục tiêu đề tài (các nội dung cần đạt được) 0,5 trang 1.4 Phương pháp đề xuất (vẽ sơ đồ chung của pp đề xuất) trang 1.5 Phân chia nhiệm vụ nhóm (ai phụ trách cơng việc gì) trang CHƯƠNG CƠ SỞ DỮ LIỆU (6 trang) 2.1 Dữ liệu thử nghiệm (3 trang) Giới thiệu CSDL mà nhóm sử dụng khn khổ BTL 2.1.1 Dữ liệu - Giới thiệu lớp liệu Nguồn Mục đích Phân tích tính chất CSDL 2.1.2 Dữ liệu 2.2 Phương pháp độ đo đánh giá (1 trang) - Cách chia liệu để huấn luyện / thử nghiệm Độ đo đánh giá: Độ xác, Độ triệu hồi, F1-score, v.v 2.3 Các nghiên cứu có CSDL (2 trang) - Các nghiên cứu có họ đánh giá CSDL ? Hiệu pp đạt CHƯƠNG PHƯƠNG PHÁP THỰC HIỆN (810 trang) 3.1 Phương pháp đề xuất Trình bày phương pháp mà nhóm lựa chọn để giải mục tiêu Phần trình bày sơ lược lý thuyết pp 3.2 Cài đặt thử nghiệm 3.2.1 Môi trường cài đặt 3.2.2 Triển khai cài đặt 3.2.3 Huấn luyện mô hình 3.3 Thực nghiệm 3.3.1 Đánh giá định lượng Đưa bảng biểu, số liệu thể độ đô hiệu pp em cài đặt tren CSDL lựa chọn 3.3.2 Phân tích định tính Lựa chọn ví dụ tốt, ví dụ tồi để minh hoạ phương pháp tốt / chưa tốt điểm nào, phân tích giải thích lý 10 11 CHƯƠNG KẾT LUẬN (2 trang) 4.1 Kết luận Các công việc đạt so với mục tiêu đề 4.2 Hướng phát triển Các thiếu sót, tồn hệ thống số ý tưởng để phát triển tương lai 4.3 Kiến nghị, đề xuất 4.3.1 Đối với tập lớn 4.3.2 Đối với môn học 12 TÀI LIỆU THAM KHẢO [1] https://github.com/ultralytics/yolov5, last accessed at 14:57 on June 24, 2021 [2] Qing Chen, El-Sawah A., Joslin C., et al (2005) A dynamic gesture interface for virtualenvironments based on hidden markov models IEEE, 109–114, 109– 114 [3] Chen X and Koskela M (2013) Online RGB-D gesture recognition with extreme learning machines ACM Press, 467–474, 467–474 [4] Doan H.-G., Vu H., and Tran T.-H (2017) Dynamic hand gesture recognition from cyclical hand pattern IEEE, 97–100, 97–100 [5] Burges C.J.C (1998) A Tutorial on Support Vector Machines for Pattern Recognition Data Min Knowl Discov, 2(2), 121–167 [6] Gkioxari G., Girshick R., and Malik J (2015) Contextual Action Recognition with R*CNN IEEE, 1080–1088, 1080–1088 [7] Cheron G., Laptev I., and Schmid C (2015) P-CNN: Pose-Based CNN Features for Action Recognition IEEE, 3218–3226, 3218–3226 [8] Simonyan K and Zisserman A Two-Stream Convolutional Networks for Action Recognition in Videos [9] Ji S., Xu W., Yang M., et al (2013) 3D Convolutional Neural Networks for Human Action Recognition IEEE Trans Pattern Anal Mach Intell, 35(1), 221– 231 [10] Bishop C.M (2006), Pattern recognition and machine learning, Springer, New York [11] Becker S and Lecun Y (1989) Improving the convergence of backpropagation learning with second-order methods Proc 1988 Connect Models Summer Sch San Mateo [12] Brox T., Bruhn A., Papenberg N., et al (2004) High Accuracy Optical Flow Estimation Based on a Theory for Warping Computer Vision - ECCV 2004 Springer Berlin Heidelberg, Berlin, Heidelberg, 25–36 [13] https://github.com/AlexeyAB/darknet, last accessed at 22:35 on June 17, 2021 [14]https://www.kaggle.com/phamdinhkhanh/convolutional-neural-network-p1, last accessed at 15:31 on June 14, 2021 [15] https://blog.roboflow.com/yolov5-improvements-and-evaluation/, last accessed at 17:31 on June 18, 2021 13 ... Kiến nghị, đề xuất 4.3.1 Đối với tập lớn 4.3.2 Đối với môn học TÀI LIỆU THAM KHẢO DANH SÁCH CÁC TỪ VIẾT TẮT DANH SÁCH HÌNH VẼ DANH SÁCH... đạt so với mục tiêu đề 4.2 Hướng phát triển Các thiếu sót, tồn hệ thống số ý tưởng để phát triển tương lai 4.3 Kiến nghị, đề xuất 4.3.1 Đối với tập lớn 4.3.2 Đối với môn học 12 TÀI LIỆU THAM KHẢO... trang (khơng kể mục lục, danh sách hình, bảng biểu, tham khảo) Hình vẽ, bảng biểu phải tham chiếu tự động Các tài liệu, hình vẽ liên quan phải trích dẫn đưa vào danh sách tài liệu tham khảo Các