Từ trái sang: Ảnh gốc; Ảnh cạnh và ảnh biến đổi khoảng cách; Mẫu cho ảnh DT được tìm kiếm là một tam giác đơn giản
2.1.1.3. Phương pháp phát hiện dựa trên máy học (methods based on machine learning)
Với hai phương pháp tiếp cận bên trên (tiếp cận dựa trên màu sắc và hình dạng) thì để giải quyết bài toán phải tự giải quyết bằng tay (manually). Tuy nhiên, với kiến thức này cũng có thể được phát hiện bằng cách dùng máy học (machine learning). Nghiên cứu của Viola và Jones là một cột mốc quan trong trong lĩnh vực thị giác máy tính (computer vision). Viola và Jones đã phát triển một thuật toán có khả năng xác định một đối tượng trong thời gian thực. Bộ phát hiện được huấn luyện bằng cách sử dụng một tập các mẫu tích cực (positive) vả tiêu cực (negative). Nghiên cứu gốc chỉ dành cho việc phát hiện khuôn mặt, tuy nhiên nhiều nhà nghiên cứu khác cũng đã ứng dụng thành công bộ phát hiện cho nhiều đối tượng khác. Trong số đó, biển báo giao thông cũng được phát hiện thành công. Bộ phát hiện của Viola và Jones kết hợp giữa hai khái niệm Adaboost và bộ phân lớp Haar-like.
2.1.2. Các phương pháp nhận dạng
Có rất nhiều phương pháp nhận dạng: SVM, PCA , CNN
Phương pháp SVM: Máy vectơ hỗ trợ (SVM - viết tắt tên tiếng Anh support vector machine) là một khái niệm trong thống kê và khoa học máy tính cho một tập hợp các phương pháp học có giám sát liên quan đến nhau để phân loại và phân tích hồi quy. SVM dạng chuẩn nhận dữ liệu vào và phân loại chúng vào hai lớp khác nhau.
HTHương – TTHNgân – Đồ án cơ sở 5 – Khoa học máy tính XVII
Phương pháp PCA: Đây là thuật toán sinh ra để giải quyết vấn đề dữ liệu có quá nhiều chiều dữ liệu, cần giảm bớt chiều dữ liệu nhằm tăng tốc độ xử lí, nhưng vẫn giữ lại thông tin nhiều nhất có thể (high variance).
Phương pháp CNN: Mô hình mạng neural tích chập (CNN) là 1 trong những mô hình để nhận dạng và phân loại hình ảnh. Trong đó, xác định đối tượng và nhận dạng khuôn mặt là 1 trong số những lĩnh vực mà CNN được sử dụng rộng rãi.
2.2. Phương pháp đề xuất (Mô hình mạng neural tích chập CNN)
Dùng thuật toán CNN đã được thiết kế sẵn để train lại, tùy chình để giải quyết bài toán.
Hình 11: Mạng lưới thần kinh tích chập hay Convolutional Neural Networks (CNN)
Các mạng thần kinh sử dụng các thuật toán được xếp chồng lên nhau. Điều này làm cho mỗi thuật toán phụ thuộc vào kết quả của các thuật toán xung quanh khác. Điều này tạo ra một quá trình cố gắng mô phỏng lý luận logic mà chúng ta sử dụng như con người (và tại sao chúng ta gọi nó là Trí tuệ nhân tạo). Để nhận dạng hình ảnh, loại mạng thần kinh được sử dụng được gọi là mạng thần kinh tích chập –
Convolutional Neural Networks (CNN).
HTHương – TTHNgân – Đồ án cơ sở 5 – Khoa học máy tính XVIII