Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh khoa học kỹ thuật phát triển nhanh chóng, Trí tuệ nhân tạo (AI) đang được ứng dụng sâu rộng vào nhiều lĩnh vực như an ninh, tài chính, ngân hàng, giáo dục và y tế nhằm thúc đẩy quá trình xây dựng xã hội thông minh. Tuy nhiên, sự gia tăng của tội phạm công nghệ cao và các nguy cơ xâm nhập hệ thống trái phép đòi hỏi việc áp dụng các công nghệ xác thực sinh trắc học (biometrics) như vân tay, khuôn mặt để tăng cường bảo mật và tự động hóa quy trình quản trị. Xuất phát từ nhu cầu thực tiễn đó, khóa luận tốt nghiệp "Nhận diện khuôn mặt cho hệ thống điểm danh tự động" của tác giả Bùi Trần Ngọc Dũng (ngành Khoa học Máy tính, Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP.HCM) tập trung nghiên cứu bài toán nhận diện khuôn mặt nhằm xây dựng hệ thống điểm danh tự động trên thiết bị di động, thay thế cho các phương thức điểm danh thủ công truyền thống.

Tác giả xác định ba thách thức kỹ thuật cốt lõi cần giải quyết:

  1. Thách thức về mặt phương pháp: Hệ thống là sự kết hợp của nhiều bước xử lý tuần tự (phát hiện, trích xuất đặc trưng, định danh); sai số của từng mô-đun độc lập sẽ tích lũy và ảnh hưởng trực tiếp đến kết quả cuối cùng. Đồng thời, độ chính xác của các mô hình học sâu hiện đại bị suy giảm khi triển khai thực tế dưới các điều kiện biến đổi về ánh sáng, góc chụp, chất lượng ảnh, độ tuổi hoặc khi quy mô dữ liệu mở rộng.
  2. Thách thức về mặt ứng dụng: Hệ thống phía người dùng (clients) phải triển khai trên hàng loạt thiết bị di động với thông số phần cứng và hệ điều hành khác nhau, đòi hỏi tính ổn định cao, khả năng tương thích đa nền tảng và tốc độ xử lý đạt thời gian thực.
  3. Thách thức về mặt bảo trì và phát triển: Khi số lượng người dùng gia tăng, tính phân biệt giữa các vector đặc trưng có xu hướng suy giảm; kiến trúc hệ thống cần được thiết kế tối ưu để hạn chế tối đa việc phải huấn luyện lại mô hình (retraining) nhằm giảm chi phí vận hành và thời gian ngừng hoạt động (downtime).

Mục tiêu nghiên cứu của đề tài bao gồm ba nhiệm vụ cụ thể:

  1. Tìm hiểu tổng quan và thực hiện đánh giá thực nghiệm cho bài toán điểm danh bằng khuôn mặt trên thiết bị di động, tập trung vào ba bài toán con: phát hiện khuôn mặt (Face Detection), trích xuất đặc trưng (Face Feature Extraction) và định danh khuôn mặt (Face Recognition).
  2. Đánh giá, phân tích và so sánh các phương pháp học sâu tiên tiến bằng các độ đo tiêu chuẩn để lựa chọn mô hình tối ưu.
  3. Xây dựng và triển khai một hệ thống hoàn chỉnh từ ứng dụng di động (Mobile Front-end) đến máy chủ (Server Back-end) đáp ứng yêu cầu xử lý thời gian thực.

Đối tượng nghiên cứu của khóa luận là các thuật toán phát hiện và nhận diện khuôn mặt dựa trên mạng nơ-ron tích chập (CNN) cùng quy trình kiến trúc phần mềm cho bài toán điểm danh sinh trắc học. Phạm vi nghiên cứu được giới hạn như sau:

  • Dữ liệu thực nghiệm: Sử dụng tập dữ liệu WIDERFACE cho bài toán phát hiện khuôn mặt; tập dữ liệu CASIA-WEBFACE cho huấn luyện trích xuất đặc trưng và tập LFW (Labeled Faces in the Wild) để kiểm thử định danh.
  • Giới hạn bài toán: Hệ thống tập trung xử lý các điều kiện thu nhận khuôn mặt thông thường trên thiết bị di động; không xử lý các trường hợp ngoại lệ bị che khuất nghiêm trọng như đeo kính râm hoặc đeo khẩu trang.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết dựa trên các kiến trúc mạng nơ-ron tích chập (Convolutional Neural Network - CNN) và các mô hình học sâu chuyên biệt cho thị giác máy tính:

  • Mạng nơ-ron tích chập (CNN): Tác giả hệ thống hóa các thành phần cơ bản gồm lớp tích chập (Convolution Layer) sử dụng các cửa sổ trượt (kernel) tạo ra bản đồ đặc trưng (feature maps); lớp gộp (Pooling Layer) dạng Max Pooling hoặc Average Pooling để giảm số chiều không gian; hàm kích hoạt phi tuyến tính ReLU (Rectified Linear Units) và các lớp kết nối đầy đủ (Fully Connected Layers) kết hợp hàm chuẩn hóa xác suất Softmax.
  • Bài toán phát hiện đối tượng: Khóa luận phân tích hai nhánh tiếp cận chính là mô hình hai giai đoạn (Two-stage detectors như R-CNN, Fast R-CNN, Faster R-CNN) và mô hình một giai đoạn (One-stage detectors như YOLO, SSD, RetinaFace). Trong đó, tác giả tập trung vào kiến trúc RetinaFace – mô hình One-stage tối ưu hóa cho bài toán khuôn mặt, sử dụng mô-đun SSH (Single Shot Headless) và mạng xương sống (backbone) MobileNet dạng nhẹ để đồng thời dự đoán hộp bao (bounding box) và 5 điểm mốc hình học (landmark points: 2 mắt, 1 mũi, 2 khóe miệng).
  • Bài toán nhận diện khuôn mặt: Tác giả so sánh hai trường phái:
    • Kiến trúc truyền thống: Sử dụng các phương pháp trích xuất đặc trưng thủ công kết hợp kỹ thuật đại số tuyến tính (PCA, Eigenfaces) và bộ phân lớp cổ điển; bộc lộ hạn chế lớn về độ nhạy cảm với nhiễu môi trường và bắt buộc phải huấn luyện lại toàn bộ mô hình khi có người dùng mới tham gia hệ thống.
    • Kiến trúc học sâu hiện đại: Chuyển đổi ảnh đầu vào thành các vector đặc trưng số thực (embeddings/templates) nằm trên siêu cầu đa chiều thông qua lớp chuẩn hóa $L_2$ ($L_2$-Norm). Cơ chế này cho phép nhận diện và so khớp trực tiếp thông qua khoảng cách hình học mà không cần tái huấn luyện mạng (zero-cost retraining khi thêm người dùng mới).
  • Hàm mất mát chuyên biệt: Khóa luận đi sâu vào cơ chế của Triplet Loss trong FaceNet (tối thiểu hóa khoảng cách giữa cặp Anchor - Positive và tối đa hóa khoảng cách giữa cặp Anchor - Negative) và ArcFace Loss (Additive Angular Margin Loss – bổ sung biên độ góc nhằm thu hẹp phương sai nội lớp và mở rộng khoảng cách giữa các lớp khác nhau).
Mô hình / Thành phần Phương pháp / Cơ chế tiếp cận Vai trò trong hệ thống
RetinaFace One-stage detector, MobileNet backbone, SSH module Phát hiện vùng mặt, xác định 5 điểm landmark, tiền xử lý căn chỉnh hình học
FaceNet Deep CNN, $L_2$-Norm, Triplet Loss Ánh xạ khuôn mặt thành vector đặc trưng (template) đa chiều
ArcFace Additive Angular Margin Loss Huấn luyện phân tách khoảng cách góc giữa các đối tượng
Cosine / Euclidean Distance Độ đo khoảng cách vector trong không gian So khớp vector đặc trưng với cơ sở dữ liệu để đưa ra định danh

Quy trình nghiên cứu thực nghiệm được tổ chức theo phương pháp phân tích định lượng trên các tập dữ liệu chuẩn:

  • Tập dữ liệu WIDERFACE: Quy mô 393.703 khuôn mặt trên 32.202 ảnh, chia thành 3 tập con theo mức độ khó (Easy, Medium, Hard). Dữ liệu được phân bổ: 16.101 ảnh huấn luyện (Train), 3.220 ảnh đánh giá (Validation) và 12.881 ảnh kiểm thử (Test).
  • Tập dữ liệu CASIA-WEBFACE: Gồm 494.749 ảnh khuôn mặt, được sử dụng cho pha huấn luyện và kiểm định mô hình trích xuất đặc trưng.
  • Tập dữ liệu LFW: Đóng vai trò làm tập chuẩn để kiểm thử độ chính xác định danh khuôn mặt độc lập, tránh hiện tượng quá khớp (overfitting).

Nội dung chính theo từng chương

Chương 1: Đặt vấn đề

Chương này trình bày bối cảnh chuyển dịch số và nhu cầu ứng dụng công nghệ nhận diện sinh trắc học vào bài toán điểm danh tự động. Tác giả mô tả chi tiết mô hình đầu vào (hình ảnh từ camera điện thoại) và đầu ra (tọa độ khuôn mặt, định danh ID, độ tin cậy hoặc nhãn "unknown"). Khóa luận xác lập ba luồng nghiệp vụ cơ bản: Đăng nhập (Login), Đăng ký khuôn mặt mới (Enrolling) và Điểm danh (Check-in) kết hợp kiểm tra vị trí địa lý GPS. Chương 1 đồng thời chỉ rõ ba nhóm thách thức kỹ thuật, phạm vi giới hạn nghiên cứu, ba mục tiêu cụ thể và ba đóng góp chính của đề tài.

Chương 2: Cơ sở lý thuyết

Chương 2 tổng hợp cơ sở lý thuyết về mạng nơ-ron tích chập (CNN), cấu trúc toán học của các lớp tích chập, lớp gộp, hàm kích hoạt phi tuyến ReLU và hàm phân phối xác suất Softmax. Tác giả phân tích chi tiết cơ chế hoạt động của các thuật toán phát hiện đối tượng One-stage và Two-stage, làm rõ ưu điểm của mô hình RetinaFace khi tích hợp mô-đun SSH. Đối với bài toán nhận diện, tác giả phân tích sự khác biệt bản chất giữa bài toán phân lớp truyền thống và bài toán trích xuất vector embedding bằng học sâu, phân tích cấu trúc chuẩn hóa $L_2$ của FaceNet cùng hai hàm mất mát Triplet Loss và ArcFace Loss.

Chương 3: Xây dựng pipeline hoàn chỉnh cho bài toán điểm danh khuôn mặt

Chương này thiết kế chi tiết đường ống xử lý tuần tự gồm ba mô-đun độc lập:

  1. Mô-đun phát hiện khuôn mặt: Thực hiện định vị vùng mặt từ ảnh camera, trích xuất 5 điểm landmark hình học (mắt, mũi, khóe miệng), thực hiện căn chỉnh thẳng góc khuôn mặt và chuẩn hóa kích thước ảnh về chuẩn $112 \times 112$ pixels.
  2. Mô-đun trích xuất đặc trưng: Chuyển đổi ảnh khuôn mặt đã căn chỉnh thành một vector đặc trưng duy nhất (template) đại diện cho danh tính người dùng.
  3. Mô-đun nhận diện khuôn mặt: Tính toán khoảng cách Cosine và khoảng cách Euclidean giữa vector đặc trưng vừa trích xuất với các vector đã lưu trữ trong cơ sở dữ liệu để đưa ra quyết định định danh theo ngưỡng thiết lập.

Chương 4: Đánh giá và phân tích

Chương 4 trình bày các kịch bản thực nghiệm định lượng trên GPU NVIDIA GTX 2080 với các siêu tham số thống nhất: Batch size = 8, Epoch = 150, Optimizer = SGD, Learning rate = $10^{-2}$.

  • Đánh giá mô-đun phát hiện: So sánh YOLOv5s và RetinaFace khi kết hợp các backbone ResNet-101 và MobileNet trên tập WIDERFACE.
  • Đánh giá mô-đun nhận diện: So sánh FaceNet và ArcFace trên tập LFW dựa trên hai chỉ số đo lường tỷ lệ nhận nhầm kẻ gian (False Acceptance Rate - FAR) và tỷ lệ từ chối người đúng (False Rejection Rate - FRR). Qua khảo sát ngưỡng từ 0 đến 1, tác giả xác định ngưỡng tối ưu $Threshold = 0.75$.
  • Phân tích tổng hợp: Lựa chọn kết hợp RetinaFace + FaceNet trên nền tảng MobileNet làm mô hình cơ sở cho hệ thống nhờ đáp ứng tiêu chuẩn thời gian thực ($\ge 25$ FPS), dung lượng tham số nhỏ gọn và khả năng chạy độc lập trên phần cứng 1 vCPU 2 cores.

Chương 5: Triển khai hệ thống

Chương 5 mô tả kiến trúc triển khai thực tế của hệ thống phần mềm điểm danh. Tác giả thiết kế kiến trúc phân vùng an ninh 3 Zone (Zone Internet, Zone App Server, Zone DB), tích hợp cơ chế cân bằng tải (Load Balancing) và mạng riêng ảo (VPN). Chương này trình bày quy trình chuyển đổi mô hình sang định dạng TensorFlow Lite (.tflite), xây dựng ứng dụng di động đa nền tảng bằng React Native, kiểm thử độ tương thích thiết bị trên Firebase Test Lab và thiết lập hệ thống giám sát, truy vấn log bằng Elastic Stack (Elasticsearch, Kibana) trên hạ tầng Google Cloud Platform (GCP).

Chương 6: Kết quả và hướng phát triển

Chương cuối cùng tổng kết các kết quả đạt được về mặt mô hình lý thuyết lẫn hệ thống triển khai thực tế. Tác giả chỉ ra các điểm hạn chế hiện tại của đề tài (chưa hỗ trợ khuôn mặt bị che khuất bởi khẩu trang, kính râm; độ nhạy cảm với điều kiện ánh sáng yếu) và đề xuất các hướng nghiên cứu mở rộng trong tương lai.

Thiết kế và triển khai

Hệ thống điểm danh khuôn mặt được thiết kế theo kiến trúc phân tầng an ninh nhằm đảm bảo tính sẵn sàng, khả năng chịu tải và bảo mật dữ liệu sinh trắc học:

[Zone Internet: Client Mobile (React Native + TFLite)]
             (HTTPS / Load Balancer)
            (Internal Network / SQL)
[Zone DB: Cơ sở dữ liệu Vector Biometrics & Identity]

Cấu trúc phân vùng an ninh bao gồm:

  1. Zone Internet (Vùng Client): Môi trường phía người dùng di động, tiềm ẩn nguy cơ tấn công mạng. Ứng dụng di động thực hiện các tác vụ chụp ảnh, định vị GPS, phát hiện khuôn mặt và trích xuất vector embedding ngay tại thiết bị (Edge/On-device inference).
  2. Zone App Server (Vùng Máy chủ Ứng dụng): Cụm máy chủ (Master App Cluster) tiếp nhận các yêu cầu tính toán và điều phối dữ liệu qua giao thức REST API. Vùng này được bảo vệ bởi một nút cân bằng tải (Load Balancing) nhằm điều phối lưu lượng truy cập và che giấu địa chỉ IP máy chủ gốc. Quản trị viên chỉ có thể truy cập bảo trì thông qua kết nối mạng riêng ảo (VPN) có xác thực SSH.
    • Các cổng API chính bao gồm:
      • API /face/get-list: Truy xuất danh sách người dùng đã đăng ký.
      • API /face/add-identity: Ghi nhận thông tin vector sinh trắc học và danh tính vào hệ thống.
      • API /face/recognize: Tiếp nhận vector khuôn mặt, đối soát cơ sở dữ liệu và trả về kết quả định danh kèm chỉ số tin cậy.
  3. Zone DB (Vùng Cơ sở dữ liệu): Khu vực lưu trữ biệt lập chứa bảng dữ liệu danh tính và các vector khuôn mặt đã được số hóa; được giám sát chặt chẽ nhằm chống can thiệp và rò rỉ dữ liệu sinh trắc học.

Hệ thống áp dụng ngăn xếp công nghệ (tech stack) bao gồm:

  • Phía Client: Xây dựng bằng khung phát triển đa nền tảng React Native (hỗ trợ cả Android và iOS); tích hợp mô hình nén TensorFlow Lite (.tflite) để thực hiện suy luận mô hình trực tiếp trên thiết bị, giảm thiểu tối đa độ trễ truyền thông.
  • Phía Server & Hạ tầng: Sử dụng nền tảng Flask (Python), Java, Swift cho các dịch vụ liên quan; triển khai hạ tầng đám mây trên Google Cloud Platform (GCP).
  • Kiểm thử và Giám sát: Sử dụng Firebase Test Lab để kiểm tra tính tương thích và độ ổn định của ứng dụng trên hàng loạt thiết bị di động thực tế; tích hợp Elastic Stack (Elasticsearch và Kibana) để lập chỉ mục, tìm kiếm và trực quan hóa dữ liệu giám sát hệ thống.

Quy trình nghiệp vụ và các cơ chế bảo vệ:

  • Luồng Đăng ký (Enrolling): Người dùng đăng nhập tài khoản do quản trị viên cấp -> Ứng dụng di động chụp ảnh -> Phát hiện khuôn mặt và trích xuất vector đặc trưng -> Gửi vector và danh tính lên máy chủ để lưu trữ dưới dạng vector hóa.
  • Luồng Điểm danh (Check-in): Ứng dụng kiểm tra tọa độ GPS để xác nhận thiết bị nằm trong bán kính cho phép -> Thực hiện chụp ảnh và kiểm tra tính thật giả (anti-spoofing tiền kiểm) -> Trích xuất vector đặc trưng -> Gửi vector lên Server so khớp với cơ sở dữ liệu -> Nếu khoảng cách thỏa mãn ngưỡng $Threshold = 0.75$, hệ thống xác nhận điểm danh thành công; nếu không thỏa mãn, hệ thống trả về cảnh báo "Unknown" hoặc thông báo gian lận.

Kết quả và đóng góp

Kết quả thực nghiệm

Khóa luận tiến hành các phép đo thực nghiệm trên môi trường GPU NVIDIA GTX 2080 để kiểm chứng hiệu năng của từng mô-đun:

Bảng cấu hình huấn luyện các mô hình:

Thông số Mô-đun Phát hiện (Detection) Mô-đun Nhận diện (Recognition)
Mô hình thử nghiệm YOLOv5s, RetinaFace FaceNet, ArcFace
Kích thước đầu vào (Input size) $640 \times 640$ $112 \times 112$
Batch size 8 8
Tốc độ học (Learning rate) $10^{-2}$ $10^{-2}$
Số lượng Epochs 150 150
Bộ tối ưu (Optimizer) SGD SGD
Môi trường thực thi NVIDIA GTX 2080 NVIDIA GTX 2080

Bảng so sánh hiệu năng các phương pháp phát hiện khuôn mặt trên tập WIDERFACE:

Phương pháp Backbone Số lượng tham số (Params) AP (Easy) AP (Medium) AP (Hard) Thời gian suy luận (Infer time)
RetinaFace ResNet-101 Lớn 91.2% — — Cao
RetinaFace MobileNet Rất nhỏ Xấp xỉ Xấp xỉ — Rất thấp (Real-time)
YOLOv5s MobileNet / Custom 7.5M Tương đương Tương đương — Cao hơn RetinaFace

Bảng so sánh hiệu năng các phương pháp nhận diện khuôn mặt trên tập LFW:

Phương pháp Tập dữ liệu Backbone Số lượng tham số (Params) Ngưỡng tối ưu (Threshold) Tỷ lệ lỗi (FAR + FRR)
FaceNet LFW MobileNet 0.00100 (Tối ưu) 0.75 Thấp nhất
ArcFace LFW MobileNet 0.67M 0.75 Cao hơn FaceNet

Kết quả thực nghiệm khẳng định sự kết hợp giữa mô hình phát hiện RetinaFace (MobileNet) và mô hình trích xuất đặc trưng FaceNet (MobileNet) mang lại hiệu quả tối ưu:

  • Giảm thiểu kích thước tham số (FaceNet có tham số nhỏ hơn ArcFace gần 10 lần khi cùng chạy trên MobileNet).
  • Đảm bảo tốc độ khung hình đáp ứng chuẩn thời gian thực của camera ($\ge 25$ FPS).
  • Hệ thống hoạt động ổn định trên môi trường phần cứng hạn chế (chỉ yêu cầu hạ tầng 1 vCPU 2 cores).

Đóng góp của đề tài

  1. Khảo sát, cài đặt và đánh giá định lượng các phương pháp học sâu SOTA trên từng nhóm bài toán con của hệ thống nhận diện khuôn mặt bằng các tập dữ liệu chuẩn mực.
  2. Xây dựng đường ống xử lý (pipeline) chuẩn hóa và tối ưu hóa mô hình sang định dạng TensorFlow Lite, đảm bảo tính gọn nhẹ, ổn định và tương thích đa nền tảng (Android và iOS) cho ứng dụng di động.
  3. Thiết kế và triển khai hoàn chỉnh một hệ thống điểm danh tự động từ Mobile Front-end đến Server Back-end, tích hợp các công nghệ phân vùng an ninh, cân bằng tải, cơ chế kiểm tra tọa độ GPS chống gian lận và hệ thống giám sát log tập trung.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ rõ các hạn chế kỹ thuật dựa trên phạm vi nghiên cứu thực tế:

  • Khả năng xử lý che khuất: Hệ thống chưa giải quyết được các trường hợp khuôn mặt bị che khuất nghiêm trọng như người dùng đeo khẩu trang hoặc đeo kính râm.
  • Độ nhạy cảm môi trường: Độ chính xác của mô hình có nguy cơ suy giảm khi thu nhận hình ảnh trong điều kiện ánh sáng quá yếu, ngược sáng mạnh, góc chụp quá nghiêng hoặc chất lượng cảm biến camera thấp.
  • Thách thức khi mở rộng quy mô: Khi số lượng người dùng trong cơ sở dữ liệu tăng lên hàng ngàn hoặc hàng triệu bản ghi, độ phân tách giữa các vector đặc trưng có thể bị thu hẹp, đòi hỏi phải điều chỉnh lại ngưỡng phân loại tối ưu.

Các hướng phát triển tiếp theo được tác giả đề xuất:

  • Nghiên cứu và tích hợp các thuật toán nhận diện khuôn mặt trong điều kiện đeo khẩu trang và bị che khuất một phần.
  • Nâng cấp cơ chế kiểm tra tính thật giả (Liveness Detection / Anti-spoofing) nâng cao nhằm phòng chống triệt để các hình thức gian lận bằng hình ảnh hoặc video giả mạo.
  • Tối ưu hóa cấu trúc cơ sở dữ liệu vector để tăng tốc độ truy vấn và so khớp khi hệ thống mở rộng quy mô người dùng lớn.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

  • Sinh viên, học viên chuyên ngành Khoa học Máy tính, Công nghệ Thông tin, Trí tuệ Nhân tạo đang thực hiện các đồ án hoặc nghiên cứu về Thị giác máy tính (Computer Vision) và Học sâu (Deep Learning).
  • Các kỹ sư phần mềm, nhà phát triển hệ thống quan tâm đến kiến trúc triển khai mô hình AI trên thiết bị biên/di động (On-device Machine Learning / Edge AI) bằng TensorFlow Lite và React Native.
  • Các phần có giá trị tham khảo cao: Phương pháp thiết lập pipeline chuẩn hóa ảnh khuôn mặt ($112 \times 112$); kỹ thuật khảo sát ngưỡng phân loại dựa trên FAR và FRR; mô hình phân vùng kiến trúc an ninh mạng cho hệ thống lưu trữ dữ liệu sinh trắc học.

Câu hỏi thường gặp

1. Đường ống (pipeline) nhận diện khuôn mặt trong khóa luận gồm những bước xử lý nào và kích thước ảnh chuẩn hóa là bao nhiêu?
Pipeline của hệ thống gồm ba bước tuần tự: (1) Phát hiện khuôn mặt bằng RetinaFace và trích xuất 5 điểm landmark; (2) Tiền xử lý căn chỉnh hình học và cắt/thu nhỏ ảnh về kích thước chuẩn $112 \times 112$ pixels; (3) Trích xuất vector đặc trưng bằng FaceNet và so khớp khoảng cách Cosine/Euclidean với cơ sở dữ liệu.

2. Tác giả sử dụng các bộ dữ liệu nào để huấn luyện và đánh giá từng mô-đun trong hệ thống?
Mô-đun phát hiện khuôn mặt được đánh giá trên bộ dữ liệu WIDERFACE (gồm 393.703 khuôn mặt trên 32.202 ảnh). Mô-đun trích xuất đặc trưng và nhận diện khuôn mặt được huấn luyện trên tập CASIA-WEBFACE (494.749 ảnh) và kiểm thử độc lập trên tập LFW (Labeled Faces in the Wild).

3. Vì sao tác giả lựa chọn kết hợp RetinaFace và FaceNet với backbone MobileNet thay vì các mô hình lớn hơn?
Mô hình RetinaFace và FaceNet sử dụng backbone MobileNet có số lượng tham số nhỏ gọn (FaceNet chỉ có 0.00100 params, nhỏ hơn gần 10 lần so với ArcFace), tốc độ suy luận nhanh, đáp ứng chuẩn thời gian thực $\ge 25$ FPS và có thể vận hành ổn định trên thiết bị di động cũng như hạ tầng máy chủ giới hạn (1 vCPU 2 cores) mà không phụ thuộc vào GPU đắt tiền.

4. Ngưỡng phân loại (threshold) tối ưu của hệ thống được xác định là bao nhiêu và dựa trên các chỉ số nào?
Ngưỡng tối ưu được xác định là $0.75$ sau quá trình khảo sát lặp trong đoạn $[0, 1]$. Ngưỡng này được lựa chọn nhằm tối ưu hóa sự cân bằng giữa hai chỉ số: Tỷ lệ chấp nhận sai / lọt kẻ gian (False Acceptance Rate - FAR) và Tỷ lệ từ chối sai / chặn người đúng (False Rejection Rate - FRR).

5. Hệ thống ngăn chặn gian lận điểm danh và bảo vệ dữ liệu sinh trắc học bằng các giải pháp kỹ thuật nào?
Hệ thống sử dụng cơ chế kiểm tra tọa độ GPS trên ứng dụng di động để đảm bảo người dùng có mặt tại vị trí quy định; thực hiện tiền kiểm tra tính thật giả của khuôn mặt; bảo vệ máy chủ bằng bộ cân bằng tải (Load Balancer), quản trị qua VPN/SSH; và phân lập cơ sở dữ liệu vector sinh trắc học trong vùng bảo mật riêng (Zone DB).

Kết luận

Khóa luận tốt nghiệp của tác giả Bùi Trần Ngọc Dũng đã hoàn thành trọn vẹn mục tiêu nghiên cứu và xây dựng hệ thống điểm danh tự động dựa trên công nghệ nhận diện khuôn mặt. Bằng việc kết hợp hợp lý giữa các mô hình học sâu dạng nhẹ RetinaFace, FaceNet (MobileNet) và công nghệ nén mô hình TensorFlow Lite, đề tài đã giải quyết hiệu quả bài toán xử lý thời gian thực trên thiết bị di động đa nền tảng. Kiến trúc hệ thống phân vùng an ninh kết hợp hạ tầng đám mây GCP và Elastic Stack cung cấp một giải pháp hoàn chỉnh, có tính ứng dụng thực tiễn cao cho công tác quản lý điểm danh tại các cơ sở giáo dục và tổ chức.