• Kết quả khử sương loại trừ truck
(a)Ảnh gốc (b)Khử sương toàn bộ (c)Khử sương loại trừ truck
(a)Ảnh gốc (b)Khử sương toàn bộ (c)Khử sương loại trừ truck Hình 4-1: Ảnh kết quả khử sương loại trừ đối tượng truck.
Nhận xét: Kết quả khử sương loại trừ đối tượng truck cho ta thấy được khu vực bên trong các bounding boxes của lớp đối tượng truck được giữ nguyên trong khi các vùng ảnh còn lại đều thực hiện khử sương mờ.
41
• Kết quả phát hiện đối tượng trên dữ liệu khử sương mờ loại trừ truck
(a)Ground truth (b)Khử sương toàn bộ ảnh (c)Khử sương loại trừ truck
(a)Ground truth (b)Khử sương toàn bộ ảnh (c)Khử sương loại trừ truck Hình 4-2: Ảnh kết quả phát hiện đối tượng trên dữ liệu khử sương mờ loại trừ truck
(a) Ground truth, (b) Khử sương toàn bộ ảnh, (c) Khử sương loài trừ truck.
Nhận xét: Nhìn vào hình ảnh trực quan hóa kết quả, ta thấy được rằng so với Ground truth, mô hình sử dụng dữ liệu khử sương loại trừ lớp đối tượng truck có kết quả dự đoán ít sai lệch với nhãn của Ground truth hơn và các đối tượng có điểm IoU cao hơn so với mô hình còn lại. Tuy nhiên, vẫn còn một số đối tượng car không được phát hiện ra trong điều kiện trời tối.
4.3. Đánh giá kết quả
42
• Đối với lớp truck, việc khử sương sẽ làm kết quả phát hiện đối tượng này giảm sút nhiều so với việc giữ nguyên lớp sương và coi lớp sương như là một phần của đối tượng.
• Ngược lại, đối với lớp car, việc khử sương đã giúp cho mô hình giảm tỉ lệ phát hiện sai lớp car thành lớp truck. Từ đó, kết quả phát hiện đối tượng củalớp này đã tăng lên đến 21.9% trên độ đo mAP. Hơn nữa, điểm IoU của từng đối tượng car riêng lẻ trong các điẻm dữ liệu cũng tăng lên trong khoảng 0.01% - 0.35%.
43
Chương 5. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN