CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY 1.1 KHÁI NIỆM VỀ HỌC MÁY Học máy (machine learning - ML) la một tập con của Trí tuệ nhân tạo (AI). Theo định nghĩa của Wikipedia: “Machine learning la một lĩnh vực nhỏ của khoa học máy tính, nó có khả năng tự học hỏi dựa trên dữ liệu đưa vao ma không cần phải được lập trình cụ thể.”[1] Phương pháp học máy cho phép máy tính hoạt động tự động ma không cần sự can thiệp lập trình chi tiết. Các ứng dụng học máy có khả năng tự động hóa quá trình học, phát triển va thích ứng khi cung cấp dữ liệu mới. Học máy thu thập thông tin đặc trưng từ một khối lượng dữ liệu lớn bằng cách tận dụng các thuật toán để xác định các mẫu va học trong một quá trình lặp lại.
Các thuật toán học máy sử dụng các phương pháp tính toán để học trực tiếp từ dữ liệu thay vì phụ thuộc vao bất kỳ phương trình được xác định trước nao.2 CÁC KHÁI NIỆM TRONG HỌC MÁY - Observation (điểm dữ liệu): Kí hiệu la � , đầu vao trong các bai toán. Observation thường có dạng một vector � = {�1 , �2 , �3 , …. , �� } , gọi la vectơ đặc trưng (feature vector). Mỗi � gọi la một đặc trưng.
Ví dụ bạn muốn dự đoán giá đất thì � có thể la diện tích đất, số công trình xây dựng trên đất,… - Label (nhãn dán): Kí hiệu la �, la nhãn của các bai toán. Trong các mô hình học giám sát thì mỗi observation sẽ ứng với một nhãn. Lấy lại ví dụ về dự đoán giá nha thì nhãn chính la giá của các căn nha ma chúng ta đã quan sát được. - Model (mô hình): Ta có thể hiểu nó như la một ham số � � , nhận vao một observation � va trả về một label � = � �.
Với ví dụ về giá đất thì model la một ham số nhận vao các giá trị như diện tích đất, số công trình xây dựng trên đất,. để xác định giá trị của mảnh đất. - Parameter (tham số): Kí hiệu la � = {�1 , �2 , �3 , …, �� } , đây la mọi thứ của model, được sử dụng để tính toán ra output. Ví dụ model la một ham đa thức bậc bốn: � � = ��4 + ��3 + ��2 + �� + � thì parameter la bộ � = {�, �, �, �, �}.
Tuy nhiên, còn một loại parameter đặc biệt nữa gọi la hyperparameter. Loại tham số nay hoan toan khác với model parameter, nó hoan toan nằm ngoai model va không phụ thuộc vao tập dữ liệu huấn luyện mô hình. Đối với ham đa thức thì bậc của đa thức có thể được xem la một hyperparameter. 20 - Loss function (Hàm mất mát): Kí hiệu � �, � , có thể hiểu la sự sai lệch giữa kết quả dự đoán � - Metrics (chỉ số): la tập hợp các thông số dùng để đánh giá một mô hình machine learning.
Ví dụ như độ chính xác (accuracy), độ chụm (precision)…[2] 1.3 PHÂN LOẠI CÁC MÔ HÌNH HỌC MÁY Các mô hình machine learning được phân thanh ba loại chính: Học giám sát (supervised learning), học không giám sát (unsupervised learning), học củng cố (reinforcement learning).1Học giám sát (supervised learning) Supervised learning la nhóm phổ biến nhất trong các thuật toán học máy. Supervised learning dự đoán đầu ra (label) của một dữ liệu mới (observation) dựa trên các cặp (observation, label) đã biết từ trước. Cặp dữ liệu nay còn được gọi la (data, label), hay (dữ liệu, nhãn). Về mặt toán học, supervised learning nhận tập observation đầu vao: � = �� , �� , …, �� va một tập label tương ứng: � = �� , �� ,.
, �� , trong đó �� , �� la các vector. Từ tập observation � ta ước lượng một model � � có nhiệm vụ ánh xạ một phần tử của tập � sang một phần tử của tập �: �� ≈ � �� , ∀� = 1,2,3,. , � Mục đích của supervised learning la xấp xỉ ham số � thật tốt để khi có một dữ liệu � mới chúng ta có thể dự đoán nhãn tương ứng của nó bằng ham số � = � � .2Học không giám sát (unsupervised learning) Trong phương pháp nay, mô hình không được cung cấp tập label ma chỉ được cũng cập tập observation. Mô hình unsupervised learning sẽ dựa vao các cấu trúc hoặc đặc trưng của bộ dữ liệu để thực hiện một công việc nao đó.
Về mặt toán học, unsupervised learning la khi ta chỉ có dữ liệu � ma không có tập nhãn � tương ứng, mô hình sẽ phân tích các đặc tính như khoảng cách giữa các điểm dữ liệu, mối tương quan giữa các điểm dữ liệu từ đó đưa ra kết quả phù hợp. Một vai ứng dụng của unsupervised learning có thể kể đến như: Phân cụm (Clustering), giảm số chiều dữ liệu (principal component analysis - PCA),.3Học củng cố (Reinforcement learning) Reinforcement learning la các bai toán giúp cho một hệ thống tự động quyết định hanh vi của mình dựa trên hoan cảnh nhằm tối đa hóa hiệu suất (maximizing the 21 performance). Học củng cố chủ yếu dựa trên khái niệm thử-sai liên tục như con người, trong đó hệ thống thu thập thông tin từ các thử nghiệm va từ đó xây dựng phương án hanh động để đạt được lợi ích cao nhất. 22 CHƯƠNG 2: TỔNG QUAN VỀ THỊ GIÁC MÁY TÍNH 2.1 GIỚI THIỆU Thị giác máy tính (Computer vision) la một lĩnh vực thuộc trí tuệ nhân tạo tập trung vao việc cho phép máy tính nhận thức, hiểu va diễn giải thông tin thị giác từ thế giới xung quanh.
Lĩnh vực nay mang đến nhiều ứng dụng đa dạng, trải dai từ phân tích hình ảnh va video đến xe tự hanh va người máy. Trong phần nay, chúng tôi sẽ cung cấp tổng quan toan diện về các nhiệm vụ thị giác máy tính chính, đi sâu vao vai trò then chốt của học sâu trong việc thúc đẩy thị giác máy tính va khám phá một số mô hình học sâu phổ biến được sử dụng trong lĩnh vực nay.2 CÁC NHIỆM VỤ CHÍNH CỦA THỊ GIÁC MÁY TÍNH 2.1 Phân loại hình ảnh Phân loại hình ảnh đòi hỏi phải gán một nhãn hoặc danh mục cụ thể cho một hình ảnh đầu vao dựa trên nội dung của nó. Nhiệm vụ nay thường được giải quyết bằng cách sử dụng các kỹ thuật học có giám sát, trong đó một mô hình được đao tạo trên một bộ dữ liệu bao gồm các hình ảnh được dán nhãn. Ví dụ: một hệ thống phân loại hình ảnh có thể được đao tạo để xác định các đối tượng khác nhau, chẳng hạn như mèo, chó, xe hơi va xe đạp, dựa trên các mẫu va tính năng được trích xuất từ hình ảnh đầu vao.
Công nghệ nay tìm thấy các ứng dụng trong các lĩnh vực khác nhau, bao gồm chẩn đoán y tế, kiểm soát chất lượng trong sản xuất va lọc nội dung trong các nền tảng truyền thông xã hội.2 Phát hiện vật thể Phát hiện vật thể la quá trình xác định va định vị nhiều vật thể trong một hình ảnh, cung cấp cả nhãn lớp va toạ độ hộp giới hạn xác định vị trí của vật thể. Để thực hiện nhiệm vụ nay, các mô hình thường sử dụng các mạng nơ-ron tích chập (Convolutional Neural Network - CNN) do khả năng nắm bắt các mối quan hệ không gian va trích xuất các tính năng thông tin từ hình ảnh. Điều nay cho phép ứng dụng các thuật toán thị giác máy tính trên nhiều lĩnh vực, bao gồm xe tự lái phát hiện người đi bộ, biển báo giao thông va các phương tiện khác. Ngoai ra, chúng còn hỗ trợ các hệ thống giám sát va quản lý hang tồn kho dựa trên xử lý hình ảnh.
Các ứng dụng của phát hiện vật thể la quan trọng trong việc cải thiện an toan giao thông, tăng cường hiệu suất của các hệ thống giám sát va quản lý tồn kho.3 Phân đoạn hình ảnh Phân đoạn hình ảnh (image segmentation) liên quan đến quá trình phân vùng hình ảnh thanh các vùng hoặc phân đoạn riêng biệt va gán nhãn lớp cho mỗi pixel, giúp đạt được sự hiểu biết chi tiết về cấu trúc của cảnh. Nhiệm vụ nay thường được giải quyết bằng cách sử dụng các mạng tích chập đầy đủ (Fully Convolutional Network - FCN) va các biến thể của chúng. Ví dụ, kiến trúc U-Net[36] đã thanh công trong các nhiệm vụ phân đoạn hình ảnh y tế, nơi nó có thể phác họa chính xác các cơ quan hoặc khối u. DeepLab[29], một mô hình phổ biến khác, sử dụng các tích chập atrous để thu thập thông tin đa quy mô va đạt được phân đoạn chính xác các đối tượng trong hình ảnh.
Phân đoạn hình ảnh tìm thấy các ứng dụng trong hình ảnh y tế, điều hướng tự động va thực tế tăng cường, trong số những người khác.3 MỘT VÀI ỨNG DỤNG PHỔ BIỂN 2.1 Theo dõi đối tượng Theo dõi đối tượng liên quan đến việc định vị va theo dõi một đối tượng cụ thể hoặc nhiều đối tượng trên một chuỗi các khung hình trong video. Nó yêu cầu liên kết danh tính của đối tượng trong khung hiện tại với các lần xuất hiện trước đó. Theo dõi đối tượng có nhiều ứng dụng, bao gồm giám sát, phân tích video va robot.2 Nhận dạng khuôn mặt Nhận dạng khuôn mặt bao gồm nhận dạng va xác minh các cá nhân dựa trên các đặc điểm khuôn mặt của họ. Nó liên quan đến việc phát hiện va trích xuất các mốc trên khuôn mặt, mã hoá các đặc điểm khuôn mặt thanh một đại diện nhỏ gọn va so sánh chúng với cơ sở dữ liệu các khuôn mặt đã biết.
Nhận dạng khuôn mặt có các ứng dụng trong hệ thống bảo mật, kiểm soát truy cập va xác minh nhận dạng kỹ thuật số.3 Ước tính tư thế Ước tính tư thế nằm mục đích ước tính tư thế hoặc định hướng 3D của các đối tượng hoặc cơ thể người trong hình ảnh hoặc video. Nó liên quan đến việc phát hiện các điểm chính hoặc khớp va suy ra cấu hình không gian của đối tượng hoặc người. Ước tính tư thế được tìm thấy các ứng dụng trong tương tác giữa người va máy tính, trò chơi điện tử va phân tích thể thao. 24 CHƯƠNG 3: TỔNG QUAN VỀ PHÂN ĐOẠN ĐỐI TƯỢNG TOÀN PHẦN 3.1 GIỚI THIỆU VỀ PHÂN ĐOẠN ĐỐI TƯỢNG Trong lĩnh vực thị giác máy tính, phân đoạn đối tượng (instance segmentation) la một bai toán lớn khi cung cấp thông tin về từng đối tượng riêng lẻ trong cùng một lớp[14].
Phương pháp nay la sự kết hợp bởi hai nhiệm vụ chính: phát hiện đối tượng (object detection) va phân đoạn ngữ nghĩa (semantic segmentation). Đầu tiên, các đối tượng trong hình ảnh được phát hiện va xác định trong hộp giới hạn (bounding box).