Hướng phát triển của đề tài

Một phần của tài liệu Đề tài nghiên cứu ứng dụng thuật toán mạng nơ ron tích chập nhận dạng các đối tượng di động (Trang 77 - 80)

63 Nghiên cứu trên chưa đánh giá được ảnh hưởng về khoảng cách chụp ảnh đến độ chính xác nhận dạng của mô hình, vì vậy trong các nghiên cứu sau cần đánh giá thêm vềtrường hợp này.

Nghiên cứu trên chưa thực nghiệm và đánh giá đối tượng di động ở chế độ bình thường và nhiễu, vì vậy tác giả sẽ triển khai thực hiện ở các nghiên cứu tiếp theo.

Hiện nay, vấn đề cải tiến để nâng cao độ chính xác khi ảnh đầu vào bị nhiễu vẫn chưa có giải pháp nào hiệu quả nhất và cũng chưa thấy có nghiên cứu nào xử lý vấn đề này được công bố. Do vậy, ở các nghiên cứu tiếp theo sẽ đưa ra các giải pháp khắc phục độ chính xác nhận dạng trong môi trường nhiễu.

64

TÀI LIỆU THAM KHẢO

[1] J. Bouvrie, “Notes on Convolutional Neural Networks,” Massachusetts Inst. Technol. Cambridge, MA 02139, 2006.

[2] S. Tang, “Object Detection based on Convolutional Neural Network,” p. 8, 2015. [3] T. Liu, S. Fang, Y. Zhao, P. Wang, and J. Zhang, “Implementation of Training

Convolutional Neural Networks,” arXiv:1506.01195v2, 2015.

[4] R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Rich feature hierarchies for accurate object detection and semantic segmentation,” Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., pp. 580–587, 2014.

[5] K. Lenc and A. Vedaldi, “R-CNN minus R,” pp. 5.1-5.12, 2015.

[6] J. Liu, D. Wang, Z. Wei, L. Lu, L. Kim, and R. Summers, “Colitis detection on computed tomography using regional convolutional neural networks,” 2016 IEEE 13th Int. Symp. Biomed. Imaging, pp. 863–866, 2016.

[7] R. Girshick, “Fast R-CNN,” Proc. IEEE Int. Conf. Comput. Vis., vol. 2015 Inter, pp. 1440–1448, 2015.

[8] S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 39, no. 6, pp. 1137–1149, 2017.

[9] R. Gavrilescu, C. Fo, C. Zet, and D. Cotovanu, “Faster R-CNN : an Approach to Real-Time Object Detection,” 2018 Int. Conf. Expo. Electr. Power Eng., pp. 165– 168, 2018.

[10] F. R.-C. R-CNN, Fast R-CNN, “R-CNN Test-Time Speed,” [Online].Available: https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-

detection-algorithms-36d53571365e. .

[11] Internet, “‘Neural Networks and Deep learning,’” [Online].Available: http://neuralnetworksanddeeplearning.com/index.html, 2015. [Online]. Available: http://neuralnetworksanddeeplearning.com/chap4.html.

[12] L. OpenCV, “Selective Search for Object Detection (C++ / Python),” 2017. [Online]. Available: https://www.learnopencv.com/selective-search-for-object- detection-cpp-python/.

[13] W. Pages, “Phần mềm CUDA,” [Online].Available:

https://developer.nvidia.com/cuda-gpus.

[14] W. Pages, “Phần mềm Anaconda,” [Online].Available: https://nttuan8.com/huong-dan-cai-dat-anaconda/.

[15] W. Pages, “Phần mềm Python,” [Online].Available:

https://quantrimang.com/cach-cai-dat-python-tren-windows-macos-linux- 140625.

[16] W. Pages, “Phần mềm Tensorflow,” [Online].Available: https://vn.apps- gcp.com/huong-da%CC%83n-cai-da%CC%A3t-tensorflow-tren-window/.

Một phần của tài liệu Đề tài nghiên cứu ứng dụng thuật toán mạng nơ ron tích chập nhận dạng các đối tượng di động (Trang 77 - 80)