5. Nội dung nghiên cứu
3.4.1.Thực nghiệm mô hình Faster R-CNN với đối tượng tĩnh
3.4.1.1. Thực nghiệm nhận dạng trên mười loài hoa
Sau khi đã huấn luyện cho mô hình học nhận dạng 10 loài hoa, tiến hành cho mô hình nhận dạng thực nghiệm với đối tượng ở trạng thái bình thường và nhiễu với hình ảnh đối tượng đưa vào nhận dạng được tác giả chụp từ thực tế và chụp cắt từ các video trên mạng từ kết quả thực nghiệm trên tác giả lập bảng xác định độ chính xác tổng thể của mô hình.
Hình ảnh đưa vào cho mô hình nhận dạng được tác giả chụp từ thực tế và chụp cắt từ nguồn video trên google. Số hình ảnh được đưa vào nhận dạng được lưu tại [19], kết quả nhận dạng qua mô hình được tác giả chụp và lưu lại tại [20]. Kết quả thực hiện nhận dạng được thể hiện như Hình 3.19 và Hình 3.20 sau:
55 Hình 3.19: Hình ảnh hoa đưa vào mô hình nhận dạng
56 Hình ảnh đưa vào nhận dạng được tác giả chụp từ thực tế, trong báo cáo tác giả lấy mẫu thử của bốn trong mười loài hoa như Hình 3.19a-hoa cẩm tú cầu; 3.19b-hoa cúc; 3.19c-hoa đồng tiền; 3.19d-hoa hồng. Kết quả nhận dạng bởi mô hình được thể hiện tại Hình 3.20. Với 4 mẫu thử này mô hình cho kết quả nhận dạng đạt khá cao, Hình 3.20a là hoa cẩm tú cầu với độ chính xác nhận dạng đạt 99%, Hình 3.20b hoa cúc với độ chính xác nhận dạng đạt 97%, Hình 3.20c hoa đồng tiền với độ chính xác nhận dạng đạt 80%, Hình 3.20d là hoa hồng với độ chính xác nhận dạng đạt 98%.
Tương tự, ta tiến hành thực nghiệm cho mô hình nhận dạng tất cả 10 loài hoa, kết quả thực nghiệm nhận dạng và đánh giá độ chính xác của mô hình được thể hiện ở Bảng 3.1 sau:
Bảng 3.1: Bảng tổng hợp kết quả nhận dạng và đánh giá độ chính xác của mô hình Môi trường TN Kết quả TN Môi trường bình thường Môi trường thiếu ánh sáng Môi trường đối tượng bị che khuất 1/3 Môi trường đối tượng bị che khuất 1/2 Số ảnh nhận dạng đúng 138 68 102 44 Số ảnh nhận dạng nhầm 0 7 7 10 Số ảnh không nhận dạng 1 34 21 55 Tổng số ảnh đưa vào nhận dạng 139 109 130 109 Độ chính xác nhận dạng 99,28% 62,38% 78,46% 40,36% Chú thích: TN - thực nghiệm
Như vậy, sau khi huấn luyện cho mô hình Faster R-CNN học nhận dạng với 10 loài hoa khác nhau, kết quả sau thực nghiệm cho thấy độ chính xác (ĐCX) nhận dạng tổng thể của mô hình giảm dần khi độ nhiễu đầu vào nhận dạng tăng lên như khi ảnh bị che khuất 1/3 thì có độ chính xác nhận dạng 78,46% còn khi ảnh bị che khuất 1/2 thì độ chính xác nhận dạng 40,36%, số mẫu mà mô hình không nhận dạng được cũng tăng tương ứng là 21 mẫu và 55 mẫu. Đối với ảnh trong môi trường thiếu ánh sáng thì độ chính xác nhận dạng là 62,38% với 34 mẫu không nhận dạng được. Như vậy, với ảnh đưa vào nhận dạng không bị nhiễu (môi trường có ánh sáng tốt) thì mô hình cho kết quả
57 nhận dạng chính xác cao nhất với độ chính xác là 99,28% chỉ có 1 mẫu không nhận dạng được. Với kết quả này chúng ta có thể ứng dụng mô hình để nhận dạng các hệ động thực vật rừng phục vụ trong giảng dạy và nghiên cứu, đặc biệt là công tác kiểm kê, thống kê tài nguyên rừng. Hiện nay, trong công tác điều tra và kiểm kê tài nguyên rừng, việc nhận diện các loài thực vật, động vật, côn trùng,… chủ yếu do con người thực hiện. Đây là một công việc thật sự vất vả khi công việc điều tra thường được thực hiện trên một diện tích lớn và số lượng điều tra nhiều. Hơn nữa, các chuyên gia phụ trách các lĩnh vực chuyên môn về việc định danh các loài thực vật, động vật, côn trùng,… không nhiều, các đơn vị quản lý tài nguyên rừng đang thiếu các chuyên gia giỏi. Do đó, rất cần sự hỗ trợ từ công nghệ hiện đại như trí tuệ nhân tạo trong việc nhận dạng, định danh các loài động thực vật, việc làm mà lâu nay đều do con người đảm nhận. Việc làm này trong tương lai nếu do các drone thực hiện sẽ mang lại nhiều thuận lợi và hiệu quảhơn.
3.4.1.2. Thực nghiệm nhận dạng con người, xe ô tô, xe máy, xe đạp
Tác giả tiếp tục thực nghiệm nhận dạng mô hình với các đối tượng như con người, xe ô tô, xe máy, xe đạp. Và kết quả thực nghiệm được thể hiện tại Hình 3.21 sau:
Hình 3.21: Kết quả nhận dạng các đối tượng: a) con người; b) xe ô tô, con người; c) xe máy, con người; d) xe đạp, con người
58 Từ kết quả Hình 3.21 ta thấy mô hình nhận dạng đúng hầu hết tất cả các đối tượng như con người, xe ô tô, xe máy và xe đạp. Tỉ lệ nhận dạng của mô hình với độ chính xác cao, đối với con người có độ chính xác nhận dạng thấp nhất là 72%, cao nhất đạt 99%. Tương tự, xe ô tô đạt 83% và 97%; xe máy là 63% và 93%; xe đạp là 95% và 96% tương ứng.