Tổng quan luận án

Luận án tiến sĩ chuyên ngành Khoa học máy tính (mã số 9480101) của tác giả tại Trường Đại học Duy Tân (Đà Nẵng, năm 2022) có tiêu đề "Adaptive learning solution based on deep learning for traffic object recognition" (Giải pháp học thích nghi dựa trên học sâu cho nhận dạng đối tượng giao thông).

Tính cấp thiết và khoảng trống nghiên cứu

Trong lĩnh vực trí tuệ nhân tạo (AI) và thị giác máy tính, việc nhận dạng đối tượng, nhận dạng hành động và theo dõi đối tượng trên đường đóng vai trò trung tâm trong các hệ thống giám sát an ninh, hệ thống hỗ trợ lái xe nâng cao (ADAS) và phương tiện tự hành (AV). Các phương pháp truyền thống như máy véc-tơ hỗ trợ (SVM), mô hình Markov ẩn (HMM) hay mạng nơ-ron nhân tạo cổ điển đòi hỏi sự can thiệp thủ công của con người trong việc trích xuất đặc trưng, cần lượng dữ liệu phân tích lớn nhưng độ chính xác còn hạn chế.

Sự xuất hiện của học sâu (Deep Learning) và mạng nơ-ron tích chập (CNN) đã cải thiện độ chính xác trong phân loại hình ảnh. Tuy nhiên, tác giả chỉ ra hai hạn chế cốt lõi của học sâu hiện nay:

  1. Để nhận dạng đa dạng đối tượng, học sâu đòi hỏi tập dữ liệu đầu vào khổng lồ và năng lực tính toán rất lớn từ các hệ thống máy chủ, gây tốn kém thời gian và tài nguyên.
  2. Các mô hình học sâu hiện hữu hoạt động theo cơ chế tĩnh, chưa có khả năng tự tích lũy tri thức và tự nâng cao mức độ thích nghi theo thời gian như não bộ con người khi gặp các dạng đối tượng mới hoặc biến thể bất thường trên thực tế.

Từ khoảng trống này, luận án đặt ra câu hỏi nghiên cứu: "Làm thế nào để một hệ thống học máy có thể tự học hỏi tri thức, tự lựa chọn, cập nhật các tri thức phù hợp và xây dựng tập dữ liệu liên kết mà không cần sự can thiệp liên tục của con người?". Hướng tiếp cận học thích nghi (Adaptive Learning) được lựa chọn để xây dựng mô hình có khả năng tự học, tự thu nhận dữ liệu và tự động tái huấn luyện nhằm thay thế mô hình cũ trên phương tiện tự hành.

Mục tiêu nghiên cứu

Luận án xác định 4 mục tiêu cụ thể:

  1. Nghiên cứu, phân tích và đánh giá các phương pháp truyền thống (Support Vector Machine, Hidden Markov Model, Neural Network,...).
  2. Nghiên cứu và đánh giá việc áp dụng học sâu trong phân loại và phát hiện các đối tượng giao thông (người đi bộ, phương tiện giao thông, biển báo giao thông).
  3. Đề xuất các giải pháp nâng cao hiệu năng của mô hình học sâu dựa trên tiếp cận học thích nghi, thực hiện các thử nghiệm về học thích nghi và tối ưu hóa siêu tham số trên hệ thống phương tiện tự hành (ADAS).
  4. Xây dựng các bộ dữ liệu phục vụ huấn luyện và nhận dạng đối tượng trong môi trường giao thông.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Phương pháp học sâu (Deep Learning) và phương pháp học thích nghi (Adaptive Learning).
  • Phạm vi nghiên cứu:
    • Về kỹ thuật: Các phương pháp học máy, mô hình học sâu (CNN) và kỹ thuật học thích nghi; phương pháp tối ưu hóa siêu tham số (Bayesian Optimization, Random Search, Grid Search).
    • Về ứng dụng: Nhận dạng đối tượng trên đường phục vụ hệ thống xe tự hành (người đi bộ, các loại phương tiện gồm xe máy, ô tô con, xe khách, xe tải và biển báo giao thông).
    • Về dữ liệu: Dữ liệu hình ảnh thu nhận từ camera giám sát giao thông thực tế (độ phân giải từ 2 Megapixel trở lên, mật độ điểm ảnh tối thiểu 72 dpi) và các video giao thông từ Internet.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước đây được điểm luận

Luận án hệ thống hóa các nghiên cứu trong nước và quốc tế theo từng mảng kỹ thuật cụ thể:

  1. Nghiên cứu trong nước:

    • Giai đoạn từ thập niên 1990 đến đầu thế kỷ 21 gắn liền với các công trình nền tảng về xử lý ảnh, nhận dạng chữ viết, tiếng nói và khuôn mặt của các nhà khoa học như Ngô Quốc Tạo, Đỗ Năng Toàn, Lương Chi Mai sử dụng các thuật toán SVM, Random Forest, HMM, mạng nơ-ron nhân tạo.
    • Giai đoạn từ năm 2015 trở đi, các nhóm nghiên cứu tại Trường Đại học Bách khoa Hà Nội, Trường Đại học Tôn Đức Thắng, Đại học Quốc gia TP. Hồ Chí Minh, Trường Đại học Duy Tân phát triển các công bố quốc tế về mạng nơ-ron tích chập ứng dụng trong y tế, nông nghiệp, quốc phòng và giao thông tự hành.
  2. Nghiên cứu quốc tế về nhận dạng đối tượng giao thông:

    • Phát hiện người đi bộ: Kỹ thuật biểu diễn đặc trưng HOG (Dalal và Triggs), thuật toán Latent SVM của Felzenszwalb, thuật toán Kanade–Lucas–Tomasi (KLT), bộ phát hiện đặc trưng kênh tổng hợp ACF (Dollar et al.) trên các tập dữ liệu chuẩn INRIA Person và Caltech Pedestrian. Các mô hình CNN trích xuất đặc trưng như AlexNet (Krizhevsky et al., 2012), GoogLeNet (Szegedy et al., 2014), ResNet (He et al., 2015), R-CNN, Fast R-CNN, Faster R-CNN.
    • Phát hiện và phân loại phương tiện: Các phương pháp truyền thống kết hợp mô hình hỗn hợp Gauss (GMM) và bộ lọc Kalman; phương pháp dòng quang học (Optical Flow) kết hợp thuật toán tách biên Canny; trích xuất đặc trưng SIFT hoặc HOG kết hợp bộ phân loại SVM. Các nghiên cứu học sâu sử dụng SegNet, AlexNet, Faster R-CNN để phát hiện phương tiện từ video độ phân giải thấp hoặc ảnh vệ tinh.
    • Nhận dạng vật thể tĩnh và vạch kẻ đường: Nhận dạng cây xanh ven đường bằng SVM; xác định vạch kẻ đường bằng bộ lọc Gaussian, Kalman kết hợp biến đổi Hough; phân đoạn ngữ nghĩa ảnh (Semantic Segmentation).
  3. Các hướng tiếp cận học thích nghi (Adaptive Learning):

    • Lựa chọn mô hình nhận dạng (Select detection models): Tự động chuyển đổi giữa các loại mô hình (như lựa chọn giữa CNN và SVM) dựa trên đánh giá đặc điểm dữ liệu.
    • Thích nghi về mặt dữ liệu (Data adaptation): Các kỹ thuật bám vết trực tuyến (Online tracking), tự động thu thập dữ liệu mới xuất hiện và tái huấn luyện mô hình mà không cần con người can thiệp.
    • Thích nghi về thuật toán và tham số (Algorithms and parameters adaptation): Tinh chỉnh cấu trúc lớp nơ-ron, chèn khung liên kết thay đổi trọng số, hoặc tự động tìm kiếm siêu tham số huấn luyện bằng Grid Search, Random Search (Bergstra & Bengio) và tối ưu hóa Bayes (Bayesian Optimization).

Khoảng trống luận án lựa chọn giải quyết

Phần lớn các nghiên cứu trước đây chỉ giải quyết bài toán phát hiện sự hiện diện của phương tiện hoặc người đi bộ ở trạng thái tĩnh, chưa phân loại cụ thể từng phân lớp phương tiện (mô tô, ô tô con, xe khách, xe tải) và chưa gắn hành vi người đi bộ với các ngữ cảnh giao thông cụ thể để đưa ra mức độ cảnh báo nguy hiểm. Đồng thời, các hệ thống chưa có cơ chế tự động thu thập các mẫu nhận dạng chưa chắc chắn trong quá trình vận hành để tự tái huấn luyện và cập nhật mô hình. Luận án tập trung giải quyết bài toán học thích nghi toàn diện: kết hợp bám vết đối tượng, trích xuất vùng quan tâm (ROI), tự động tái huấn luyện mạng PDNet và tự động tối ưu hóa siêu tham số bằng giải thuật Bayes.


Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và khái niệm sử dụng

  • Mạng nơ-ron tích chập (CNN): Cấu trúc phân tầng gồm các lớp tích chập (Convolutional Layer), lớp kích hoạt phi tuyến (ReLU), lớp chuẩn hóa kênh (Cross-channel Normalization), lớp gộp cực đại (Max Pooling) và lớp kết nối đầy đủ (Fully Connected Layer) nhằm trích xuất đặc trưng thứ bậc từ dữ liệu hình ảnh.
  • Học thích nghi (Adaptive Learning): Cơ chế tự động hóa chu trình thu nhận dữ liệu mới trong quá trình vận hành, đánh giá độ tin cậy, thực hiện tái huấn luyện mô hình và thay thế mô hình cũ mà không làm gián đoạn hệ thống.
  • Máy véc-tơ hỗ trợ (SVM): Kỹ thuật học có giám sát xây dựng siêu phẳng phân cách tối đa hóa lề giữa các lớp dữ liệu trong không gian nhiều chiều, được dùng để phân loại hành vi người đi bộ dựa trên véc-tơ đặc trưng trích xuất từ CNN.
  • Tối ưu hóa Bayes (Bayesian Optimization): Phương pháp tiếp cận tối ưu hóa hàm mục tiêu phi tuyến dạng hộp đen dựa trên quá trình Gauss (Gaussian Process), dùng để dò tìm các giá trị siêu tham số huấn luyện tối ưu với số lần thử nghiệm tối thiểu.

Phương pháp nghiên cứu

  • Phương pháp thu thập thông tin: Tập hợp các tài liệu học thuật về AI, học sâu, học thích nghi; thu thập dữ liệu hình ảnh thực tế từ camera giám sát giao thông và video trực tuyến.
  • Phương pháp so sánh và phân tích: Đánh giá ưu nhược điểm của các thuật toán truyền thống so với học sâu; phân tích chi tiết cơ chế hoạt động của từng lớp nơ-ron và các giải thuật tìm kiếm siêu tham số.
  • Phương pháp chuyên gia: Tham vấn ý kiến chuyên gia trong lĩnh vực trí tuệ nhân tạo để hoàn thiện định hướng nghiên cứu.
  • Phương pháp thực nghiệm: Cài đặt, huấn luyện và kiểm thử các giải thuật trên nền tảng mã nguồn mở TensorFlow của Google và phần mềm MATLAB của MathWorks.

Nguồn tư liệu và dữ liệu thực nghiệm

  • Dữ liệu chuẩn quốc tế: Tập dữ liệu người đi bộ INRIA Person (kích thước mẫu 'inria-100x41') và Caltech Pedestrian (mẫu 'caltech-50x21').
  • Dữ liệu thực nghiệm tự xây dựng:
    • Tập dữ liệu dự đoán hành động người đi bộ gồm 3.000 ảnh chia đều cho 3 nhóm hành vi (1.000 ảnh qua đường, 1.000 ảnh đứng chờ, 1.000 ảnh đi bộ dọc đường), sử dụng 90% cho huấn luyện và 10% cho kiểm định.
    • Tập dữ liệu phương tiện giao thông thực tế gồm 4 phân lớp: mô tô, ô tô con, xe khách và xe tải.
    • Tập dữ liệu các loại biển báo giao thông phục vụ kiểm thử và huấn luyện mô hình PDNet.
    • Kỹ thuật tăng cường dữ liệu (Data Augmentation): Áp dụng phép xoay góc $[-50^\circ, 50^\circ]$, lật ảnh và thêm nhiễu để mở rộng quy mô dữ liệu huấn luyện lên khoảng 10 lần.

Nội dung chính theo từng chương

Chương 1: Overview of artificial intelligence

Chương 1 trình bày tổng quan lịch sử phát triển của trí tuệ nhân tạo từ các mốc khởi đầu của Alan Turing (1950), John McCarthy (Hội nghị Dartmouth 1956) đến các giai đoạn phát triển của học máy. Tác giả phân tích các kỹ thuật nhận dạng cơ bản trong học máy có giám sát và không giám sát:

  • Cây quyết định (Decision Tree) và Rừng ngẫu nhiên (Random Forest của Tin Kam Ho, 1998).
  • Kỹ thuật Boosting và giải thuật AdaBoost (Freund và Schapire, 1999).
  • Máy véc-tơ hỗ trợ (SVM của Corinna Cortes và Vladimir Vapnik, 1995).
  • Mạng nơ-ron nhân tạo (ANN), mạng nơ-ron sâu (DNN) và mạng nơ-ron tích chập (CNN) với các kiến trúc tiêu biểu: LeNet (LeCun, 1998), AlexNet (Krizhevsky et al., 2012), VGGNet, GoogLeNet, ResNet, DenseNet.

Chương này cũng phân loại các hướng nghiên cứu hiện đại về học thích nghi thành ba nhóm chính (thích nghi lựa chọn mô hình, thích nghi về dữ liệu, và thích nghi về thuật toán/siêu tham số), đồng thời xác định các bài toán thành phần của xe tự hành: nhận dạng làn đường, nhận dạng đối tượng trên đường, nhận dạng biển báo, đo khoảng cách, dự đoán chuyển động người đi bộ và nhận dạng chướng ngại vật.

Chương 2: Recognizing objects by deep learning

Chương 2 tập trung giải quyết hai bài toán nhận dạng đối tượng giao thông bằng học sâu:

1. Bài toán dự đoán hành động của người đi bộ

Quy trình đề xuất gồm hai pha:

  • Pha 1: Phát hiện người đi bộ bằng thuật toán ACF (mô hình 'inria-100x41') trên khung hình video. Luận án xác định việc sử dụng ngưỡng tin cậy (detection score) bằng $0{,}25$ giúp loại bỏ các trường hợp nhận dạng sai so với ngưỡng mặc định thấp ($0{,}1$).

  • Pha 2: Trích xuất vùng quan tâm (ROI) xung quanh người đi bộ để loại bỏ bối cảnh nhiễu. Kích thước và tọa độ ROI ($x_1, y_1, W_1, H_1$) được tính toán từ tọa độ hình chữ nhật bao quanh người đi bộ ($x, y, W, H$) và kích thước khung hình ($Width, Height$) theo hệ công thức:

    $$\begin{cases} x_1 = x - \frac{H}{1{,}5} \ y_1 = y - W \ W_1 = W + \frac{H}{3} \ H_1 = H + \frac{W}{2} \end{cases}$$

    Các điều kiện biên được áp dụng nghiêm ngặt: nếu $W_1 > Width$ thì $W_1 = Width$; nếu $H_1 > Height$ thì $H_1 = Height$; nếu $x_1 < 0$ thì $x_1 = 0$; nếu $y_1 < 0$ thì $y_1 = 0$; nếu $x_1 + W_1 > Width$ thì $x_1 = Width - W_1$; nếu $y_1 + H_1 > Height$ thì $y_1 = Height - H_1$.

  • Pha 3: Trích xuất đặc trưng ngữ nghĩa bằng mô hình AlexNet tại lớp kết nối đầy đủ thứ 19 (fc7 với 4096 chiều), sau đó đưa vào bộ phân loại SVM để phân tách 3 trạng thái hành động:

    1. Pedestrian_crossing: Người đi bộ đang băng qua đường hoặc đi trong phần đường xe chạy.
    2. Pedestrian_waiting: Người đi bộ đang đứng trên lề đường chờ qua đường.
    3. Pedestrian_walking: Người đi bộ đang đi dọc theo mép đường.

Kết quả thử nghiệm trên video thời gian thực đạt độ chính xác từ 82% đến 97%, tốc độ xử lý đạt 0,6 giây trên mỗi đối tượng người đi bộ được phát hiện. Ma trận nhầm lẫn tối đa ghi nhận tỷ lệ nhận dạng chính xác cho lớp Pedestrian_walking đạt $0{,}9490$.

2. Bài toán nhận dạng phân loại phương tiện

Tác giả thiết kế cấu trúc mạng CNN tuần tự gồm 24 lớp (1 lớp đầu vào, 22 lớp ẩn và 1 lớp phân loại đầu ra) nhận đầu vào là ảnh kích thước $128 \times 128 \times 3$.

Bảng cấu trúc kiến trúc mạng CNN 24 lớp cho nhận dạng phương tiện:

TT Loại lớp (Layer type) Tham số cấu hình (Parameter)
1 Image Input Kích thước ảnh $128 \times 128 \times 3$
2 Convolution 64 bộ lọc kích thước $7 \times 7 \times 3$, bước trượt stride [1 1]
3 ReLU Hàm kích hoạt ReLU
4 Normalization Cross channel normalization
5 Max Pooling Kích thước $3 \times 3$, bước trượt stride [1 1]
6 Convolution 64 bộ lọc kích thước $7 \times 7 \times 64$, bước trượt stride [1 1]
7 ReLU Hàm kích hoạt ReLU
8 Max Pooling Kích thước $2 \times 2$, bước trượt stride [1 1]
9 Convolution 64 bộ lọc kích thước $7 \times 7 \times 64$, bước trượt stride [1 1]
10 ReLU Hàm kích hoạt ReLU
11 Normalization Cross channel normalization
12 Max Pooling Kích thước $2 \times 2$, bước trượt stride [1 1]
13 Convolution 64 bộ lọc kích thước $7 \times 7 \times 64$, bước trượt stride [1 1]
14 ReLU Hàm kích hoạt ReLU
15 Max Pooling Kích thước $2 \times 2$, bước trượt stride [1 1]
16 Convolution 64 bộ lọc kích thước $7 \times 7 \times 64$, bước trượt stride [1 1]
17 ReLU Hàm kích hoạt ReLU
18 Normalization Cross channel normalization
19 Max Pooling Kích thước $2 \times 2$, bước trượt stride [1 1]
20 Fully Connected Lớp kết nối đầy đủ 1024 nơ-ron
21 ReLU Hàm kích hoạt ReLU
22 Fully Connected Lớp kết nối đầy đủ 4 nơ-ron (tương ứng 4 lớp phương tiện)
23 Softmax Hàm chuẩn hóa xác suất Softmax
24 Classification Output Đầu ra mất mát crossentropyex phân loại 4 nhóm

Kết quả so sánh thực nghiệm cho thấy mô hình kết hợp CNN với kỹ thuật tăng cường dữ liệu (Data Augmentation) đem lại độ chính xác vượt trội so với phương pháp HOG kết hợp SVM và mô hình CNN khi không tăng cường dữ liệu.

Chương 3: Development of adaptive learning technique in object recognition

Chương 3 xây dựng kiến trúc hệ thống học thích nghi hoàn chỉnh cho xe tự hành nhằm nhận dạng phương tiện và biển báo giao thông:

  • Cơ chế hoạt động: Hệ thống liên tục nhận dạng đối tượng thông qua mô hình cơ sở ban đầu (PDNet-Vehicle0 cho phương tiện và PDNet-TrafficSign0 cho biển báo). Quá trình bám vết đối tượng (Tracking) trực tuyến theo dõi chuyển động của vật thể qua các khung hình liên tiếp. Khi phát hiện các mẫu vật thể lạ, bị che khuất một phần hoặc có độ tin cậy nhận dạng thấp, hệ thống tự động trích xuất vùng quan tâm ROI, gán nhãn dữ liệu dựa trên vết chuyển động và đưa vào bộ nhớ đệm dữ liệu mới.
  • Quy trình tái huấn luyện tự động: Khi tập dữ liệu mới tích lũy đủ số lượng (Data-Vehicle, Data-TrafficSign), hệ thống kích hoạt tiến trình tái huấn luyện mô hình tự động để tạo ra các phiên bản nâng cấp:
    • Thế hệ 1: Huấn luyện từ PDNet-Vehicle0/TrafficSign0 thành PDNet-Vehicle1/TrafficSign1.
    • Thế hệ 2: Tái huấn luyện từ thế hệ 1 thành PDNet-Vehicle2/TrafficSign2.
  • Đánh giá hiệu năng: Các ma trận nhầm lẫn được phân tích chi tiết cho từng thế hệ mô hình. Kết quả chứng minh qua mỗi chu kỳ tái huấn luyện thích nghi, độ chính xác nhận dạng toàn cục của mô hình PDNet đều tăng dần. Đồng thời, cấu trúc PDNet duy trì tốc độ xử lý nhanh hơn đáng kể khi so sánh với các mô hình mạng nơ-ron sâu cồng kềnh như AlexNet và VGGNet trên cùng cấu hình thiết bị phần cứng.

Chương 4: Optimizing hyperparameters in adaptive learning

Chương 4 hoàn thiện giải pháp học thích nghi bằng cách giải quyết bài toán tự động tối ưu hóa bộ siêu tham số trong quá trình tái huấn luyện mạng PDNet:

  • Hạn chế của các giải pháp tìm kiếm truyền thống: Tìm kiếm lưới (Grid Search) gây bùng nổ khối lượng tính toán khi số chiều tham số tăng; Tìm kiếm ngẫu nhiên (Random Search) thiếu định hướng và có thể bỏ sót vùng tham số tối ưu.
  • Ứng dụng tối ưu hóa Bayes (Bayesian Optimization): Luận án xây dựng hàm mục tiêu dựa trên quá trình Gauss (Gaussian Process) để mô hình hóa mối quan hệ giữa các siêu tham số huấn luyện (tốc độ học khởi tạo - initial learning rate, hệ số xung lượng - momentum, hệ số điều chuẩn L2 - L2 regularization, kích thước mini-batch) với độ chính xác nhận dạng. Thuật toán Bayes lựa chọn điểm lấy mẫu tiếp theo bằng cách cân bằng giữa việc khai thác vùng giá trị tốt đã biết (exploitation) và thăm dò các vùng giá trị chưa biết (exploration).
  • Kết quả thực nghiệm:
    • Xác định được các bộ siêu tham số tối ưu cho từng tập dữ liệu (Data-Vehicle0, Data-TrafficSign0, Data-Vehicle1, Data-TrafficSign1).
    • Cập nhật thành công các mô hình tối ưu PDNet-Vehicle1, PDNet-TrafficSign1, PDNet-Vehicle2 và PDNet-TrafficSign2.
    • So sánh kết quả tại Bảng 4.17 cho thấy: Các mô hình được tối ưu siêu tham số bằng giải thuật Bayes đạt độ chính xác cao hơn rõ rệt so với các mô hình huấn luyện với siêu tham số mặc định ở Chương 3.
    • Khi áp dụng quy trình tối ưu siêu tham số thích nghi này cho các mô hình chuẩn quốc tế là AlexNet và VGGNet, độ chính xác nhận dạng phương tiện và biển báo giao thông của cả AlexNet và VGGNet cũng tăng lên tương ứng, chứng minh tính tổng quát của giải pháp đề xuất.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận

  1. Luận án đã hệ thống hóa và đề xuất hoàn chỉnh khung kiến trúc học thích nghi (Adaptive Learning) tích hợp vào mạng nơ-ron tích chập (CNN), giải quyết hạn chế của các mô hình học sâu tĩnh thông qua cơ chế tự động theo dõi, thu thập dữ liệu bất thường và tái huấn luyện mô hình mà không cần con người can thiệp.
  2. Xây dựng phương pháp luận kết hợp thuật toán tối ưu hóa Bayes với quá trình Gauss vào chu trình học thích nghi, cho phép hệ thống tự động tìm kiếm không gian siêu tham số tối ưu cho mô hình mạng nơ-ron trong từng chu kỳ cập nhật dữ liệu.

Đóng góp về mặt thực tiễn

  1. Thiết lập giải pháp dự đoán hành vi người đi bộ kết hợp thuật toán ACF (với ngưỡng tin cậy xác lập $0{,}25$), công thức trích xuất vùng quan tâm ROI tùy biến thích ứng kích thước khung hình, và bộ phân loại SVM trên véc-tơ đặc trưng lớp fc7 của AlexNet, đạt độ chính xác từ 82% đến 97% trong thời gian 0,6 giây/đối tượng.
  2. Thiết kế kiến trúc mạng CNN 24 lớp chuyên biệt cho nhận dạng 4 lớp phương tiện giao thông (mô tô, ô tô con, xe khách, xe tải), kết hợp kỹ thuật tăng cường dữ liệu 10 lần giúp nâng cao độ chính xác phân loại.
  3. Hiện thực hóa mô hình mạng PDNet (cho phương tiện và biển báo giao thông) có khả năng tự tiến hóa qua các thế hệ (PDNet0 $\rightarrow$ PDNet1 $\rightarrow$ PDNet2), đạt tốc độ xử lý đáp ứng yêu cầu thời gian thực trên thiết bị của xe tự hành so với các mô hình AlexNet và VGG.
  4. Toàn bộ kết quả nghiên cứu đã được công bố qua 5 công trình khoa học (PP 1.1 đến PP 1.5) trên các tạp chí và kỷ yếu hội nghị chuyên ngành.

Kiến nghị và giải pháp đề xuất

  • Đề xuất tích hợp giải pháp học thích nghi và kiến trúc PDNet vào các hệ thống hỗ trợ lái xe nâng cao (ADAS) thương mại và hệ thống điều hành giao thông thông minh (ITS) để tự động hóa công tác phân luồng, giám sát và cảnh báo vi phạm.
  • Khuyến nghị ứng dụng công thức trích xuất ROI và thuật toán tối ưu siêu tham số Bayes vào các bài toán thị giác máy tính khác trong điều kiện tài nguyên tính toán giới hạn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

Theo các nội dung được tác giả trình bày trong văn bản:

  • Phạm vi thử nghiệm thực tế của mô hình học thích nghi mới được triển khai tập trung trên đối tượng xe tự hành (ADAS) để mô phỏng hoạt động của robot tự động, chưa mở rộng ra các hệ sinh thái robot công nghiệp hoặc robot dịch vụ khác.
  • Dữ liệu nghiên cứu bị giới hạn trong các nhóm đối tượng giao thông cụ thể (người đi bộ, mô tô, ô tô, xe khách, xe tải, biển báo) được ghi nhận từ camera giao thông và video Internet trong điều kiện nghiên cứu và thời gian có hạn.

Hướng nghiên cứu tiếp theo

  • Mở rộng ứng dụng mô hình học thích nghi đề xuất cho các hệ thống robot tự hành đa dạng (Auto Robot systems).
  • Tiếp tục phát triển các bộ dữ liệu giao thông quy mô lớn hơn với các điều kiện thời tiết phức tạp (ban đêm, mưa gió, sương mù) và các dạng chướng ngại vật bất thường trên đường.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên môn cho các đối tượng và lĩnh vực sau:

  • Nghiên cứu sinh, học viên cao học và sinh viên chuyên ngành Khoa học máy tính, Trí tuệ nhân tạo, Thị giác máy tính: Có thể tham khảo tổng quan lý thuyết về mạng CNN, phương pháp trích xuất đặc trưng sâu kết hợp SVM, và đặc biệt là quy trình toán học áp dụng tối ưu hóa Bayes (Gaussian Process) cho siêu tham số mạng nơ-ron.
  • Kỹ sư và nhà phát triển hệ thống xe tự hành (AV/ADAS), Giao thông thông minh (ITS): Có thể khai thác trực tiếp công thức tính toán vùng quan tâm ROI cho người đi bộ (Chương 2), kiến trúc mạng 24 lớp cho phân loại phương tiện (Bảng 2.1), và cấu trúc vòng lặp học thích nghi PDNet (Chương 3, Chương 4) để cài đặt trên các thiết bị nhúng yêu cầu tốc độ xử lý cao.
  • Các cơ quan quản lý và vận hành hạ tầng giao thông: Tham khảo phương pháp phân loại phương tiện tự động phục vụ công tác quản lý phân làn, giám sát luồng xe và xử lý vi phạm giao thông.

Câu hỏi thường gặp

1. Tại sao luận án đề xuất lựa chọn ngưỡng tin cậy (detection score) là 0.25 trong thuật toán ACF khi phát hiện người đi bộ?

Trong thuật toán ACF (Aggregate Channel Features), giá trị điểm tin cậy trả về véc-tơ phân loại trong khoảng $[0, 1]$. Qua các thử nghiệm thời gian thực, tác giả nhận thấy nếu để ngưỡng mặc định thấp ($0{,}1$), thuật toán sẽ nhận dạng sai nhiều đối tượng trong các khung cảnh phức tạp (như nhầm lẫn vật thể ven đường thành người đi bộ). Việc xác lập ngưỡng tin cậy ở mức $0{,}25$ giúp loại bỏ triệt để các lỗi nhận dạng sai này, đảm bảo độ chính xác cao cho các bước trích xuất ROI và phân loại hành vi tiếp theo.

2. Vùng quan tâm (ROI) của người đi bộ được tính toán theo công thức nào để loại bỏ nhiễu xung quanh?

Để loại bỏ các đối tượng không liên quan xung quanh người đi bộ (như cây cối, tòa nhà, phương tiện khác), luận án xác định tọa độ và kích thước của vùng ROI ($x_1, y_1, W_1, H_1$) từ kích thước khung chữ nhật bao quanh người đi bộ ($x, y, W, H$) theo công thức: $x_1 = x - \frac{H}{1{,}5}$; $y_1 = y - W$; $W_1 = W + \frac{H}{3}$; $H_1 = H + \frac{W}{2}$. Đồng thời, hệ thống áp dụng các phép kiểm tra biên để đảm bảo tọa độ $x_1, y_1 \ge 0$ và kích thước $W_1, H_1$ không vượt quá chiều rộng ($Width$) và chiều cao ($Height$) của ảnh đầu vào.

3. Kiến trúc mạng CNN phân loại 4 nhóm phương tiện trong Chương 2 có những thông số cơ bản nào?

Mạng gồm 24 lớp tuần tự (1 lớp ảnh đầu vào $128 \times 128 \times 3$, 22 lớp ẩn và 1 lớp phân loại đầu ra). Các lớp ẩn gồm 5 tầng tích chập (mỗi tầng sử dụng 64 bộ lọc kích thước $7 \times 7$ với bước trượt $[1, 1]$), xen kẽ với các lớp kích hoạt ReLU, lớp chuẩn hóa kênh chéo (Cross channel normalization), 5 lớp gộp cực đại Max Pooling (kích thước $3 \times 3$ hoặc $2 \times 2$), 1 lớp kết nối đầy đủ 1024 nơ-ron, 1 lớp kết nối đầy đủ 4 nơ-ron, lớp Softmax và lớp mất mát phân loại cross-entropy cho 4 nhóm phương tiện (mô tô, ô tô con, xe khách, xe tải).

4. Thuật toán tối ưu hóa siêu tham số nào được chọn trong Chương 4 và vì sao?

Luận án lựa chọn thuật toán tối ưu hóa Bayes (Bayesian Optimization) dựa trên quá trình Gauss (Gaussian Process). Phương pháp này vượt trội hơn Tìm kiếm lưới (Grid Search) và Tìm kiếm ngẫu nhiên (Random Search) vì nó xây dựng một mô hình xác suất đánh giá hàm mục tiêu từ các lần thử trước đó, giúp định hướng tìm kiếm các tham số huấn luyện tối ưu (learning rate, momentum, L2 regularization, batch size) một cách nhanh chóng với số lần đánh giá mô hình ít nhất.

5. Mô hình PDNet trong luận án giải quyết bài toán nhận dạng các đối tượng cụ thể nào?

Mô hình PDNet được xây dựng chuyên biệt thành hai nhánh: PDNet-Vehicle dùng để nhận dạng, phân loại các phương tiện giao thông (mô tô, ô tô con, xe khách, xe tải) và PDNet-TrafficSign dùng để nhận dạng các loại biển báo giao thông trên đường. Cả hai mô hình đều trải qua các chu kỳ tự học thích nghi (PDNet0, PDNet1, PDNet2) để tự động nâng cao độ chính xác nhận dạng khi phương tiện vận hành.


Kết luận

Luận án tiến sĩ của tác giả đã giải quyết thành công bài toán nhận dạng đối tượng giao thông cho hệ thống xe tự hành bằng cách tích hợp kỹ thuật học thích nghi (Adaptive Learning) vào các mô hình học sâu. Bằng việc kết hợp các giải pháp phát hiện ACF, công thức trích xuất ROI tùy biến, mạng CNN phân loại phương tiện 24 lớp, vòng lặp tự huấn luyện PDNet và tối ưu hóa siêu tham số bằng giải thuật Bayes, nghiên cứu đã đạt được độ chính xác nhận dạng cao cùng tốc độ xử lý đáp ứng yêu cầu thời gian thực. Các kết quả thực nghiệm và hệ thống công bố khoa học đi kèm khẳng định tính đúng đắn, giá trị khoa học và tiềm năng ứng dụng thực tiễn của luận án trong lĩnh vực giao thông thông minh và phương tiện tự hành.