Phát triển ứng dụng phát hiện, phân loại, tracking đa mục tiêu sử dụng các mô hình học sâu (YOLO, LSTM, DNN, DBN)

Deep Learning là một thuật toán ra đời được lấy ý tưởng từ hoạt động của não bộ tới việc tiếp thu nhiều tầng biểu đạt, cả cụ thể lẫn trừu tượng, qua đó giúp làm rõ nghĩa của các loại dữ liệu. Deep Learning tập trung vào giải quyết các vấn đề liên quan đến mạng thần kinh nhân tạo nhằm nâng cấp các công nghệ như nhận diện giọng nói, tầm nhìn máy tính và xử lý ngôn ngữ tự nhiên. Một số ứng dụng của Deep learning trong thực tế như:

điểu khiển xe tự lái hay robot, nhận diện hình ảnh, phát hiện các loại bệnh hiếm gặp, hệ thống gợi ý trên các nền tảng như Facebook, Amazon, Netflix, ……

Có lẽ trong vài năm trở lại đây, object detection là một trong những đề tài rất hot của deep learning bởi khả năng ứng dụng cao, dữ liệu dễ chuẩn bị và kết quả ứng dụng thì cực kì nhiều. Các thuật toán mới của object detection như YOLO, SSD có tốc độ khá nhanh và độ chính xác cao nên giúp cho Object Detection có thể thực hiện được các tác

vụ dường như là real time, thậm chí là nhanh hơn so với con người mà độ chính xác không giảm. Các mô hình cũng trở nên nhẹ hơn nên có thể hoạt động trên các thiết bị IoTđể tạo nên các thiết bị thông minh.

Chính vì tính ứng dụng rất cao, dễ chuẩn bị dữ liệu và huấn luyện mô hình đơn giản nên báo cáo này nhóm chúng em sẽ trình bày về một thuật toán object detection state-ofart, đó chính là YOLO.

NỘI DUNG:

Chương 1: Cơ sở lý thuyết………………………………………………………3

Tìm hiểu về Deep Learning………………………………………………3

Cách hoạt động của Deep Learning……………………………………....4

I. Khái niệm cơ bản………………………………………………………...4

1. Khái niện về Convolution Neural Network…………………………..4

2. Đặt vấn đề…………………………………………………………….8

II. Tìm hiểu về mô hình YOLO……………………………………………..9

1. Sơ lược về mô hình YOLO…………………………………………...9

2. Kiến trúc mạng YOLO……………………………………………….11

3. Output của YOLO……………………………………………………12

III. Tìm hiểu về YOLO………………………………………………………12

1. Các hoạt động của YOLO……………………………………………13

2. Hàm tính IoU………………………………………………………...14

3. Loss Function………………………………………………………...15

4. Non-maximal suppression…………………………………………....16

5. Anchor boxes………………………………………………………....16

6. Hạn chế của YOLO…………………………………………………...17

IV. Tìm hiểu về các thuật toán Deep Sort…………………………………….18

1. Bộ lọc Kalman………………………………………………………..18

2. Thuật toán Hungary…………………………………………………..20

Chương 2: Triển khai và kiểm thử……………………………………………….22

1. Cộng cụ………………………………………………………………..22

2. Chuẩn bị dữ liệu và train model………………………………………23

3. Test mode……………………………………………………………...25

4. Triển khai trên Web Application………………………………………27

LINK DOWNLOAD