Bối cảnh và vấn đề nghiên cứu

1. Lý do chọn đề tài và bối cảnh thực tiễn

Xe tự lái (xe tự hành) là hướng nghiên cứu thu hút sự quan tâm của nhiều tổ chức và tập đoàn công nghệ lớn trên thế giới. Theo số liệu thống kê trong đồ án, thị trường xe tự lái toàn cầu được định giá 20,97 tỷ USD vào năm 2020, dự kiến đạt 61,93 tỷ USD với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 22,75%, hướng tới mốc 37,22 tỷ USD vào năm 2023 với CAGR 16,84%. Riêng trong năm 2020, đã có khoảng 2 triệu ô tô tự lái Cấp độ 2 được bán ra trên thị trường, tăng 78% so với năm 2019. Nhiều quốc gia như Mỹ, Đức, Anh, Nhật Bản, Singapore đang hoàn thiện khung pháp lý và chính sách mở đường cho phương tiện tự hành. Tại Việt Nam, Quyết định của Thủ tướng Chính phủ ban hành đầu năm 2021 về Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng Trí tuệ nhân tạo (AI) đến năm 2030 đã tạo nền tảng thúc đẩy ứng dụng công nghệ thông minh trong giao thông vận tải.

Trong hệ thống điều khiển xe tự hành, phân hệ trích xuất thông tin môi trường (Perception) đóng vai trò then chốt nhằm phát hiện và định vị các đối tượng tĩnh cũng như đối tượng động xung quanh xe. Trong đó, nhận diện biển báo giao thông là một bài toán thành phần có tính quyết định đến an toàn vận hành nhưng gặp nhiều trở ngại trong điều kiện thực tế:

  • Điều kiện chiếu sáng thay đổi làm biến đổi màu sắc, đường biên và độ tương phản của biển báo.
  • Ảnh thu từ camera gắn trên xe bị biến dạng hình học hoặc méo góc chụp.
  • Hiện tượng nhòe mờ (motion blur) do camera chuyển động ở tốc độ cao.
  • Biển báo bị che khuất một phần bởi các chướng ngại vật ngoại cảnh như cột đèn, cành cây.
  • Điều kiện thời tiết bất lợi như sương mù, mưa gió làm suy giảm tầm nhìn.
  • Biển báo ở khoảng cách xa hiển thị với kích thước rất nhỏ trong khung hình (chỉ từ 5x5 pixel), khiến các mô hình phát hiện thông thường dễ bỏ sót.

2. Mục tiêu và nhiệm vụ nghiên cứu

Đề tài đặt ra các mục tiêu và nhiệm vụ cụ thể:

  1. Nghiên cứu tổng quan về công nghệ xe tự lái, các cấp độ tự hành theo chuẩn SAE International và các bài toán trích xuất dữ liệu cảm biến (2D, 3D, camera, Lidar, Radar).
  2. Tổng hợp cơ sở lý thuyết về học máy (Machine Learning), học sâu (Deep Learning), các mô hình phát hiện vật thể (One-stage, Two-stage) và các kiến trúc mạng xương sống (Backbone) thông dụng.
  3. Nghiên cứu và ứng dụng các kỹ thuật tiền xử lý (Preprocessing) như phương pháp trượt cửa sổ (Sliding Window) để nâng cao độ phân giải biểu diễn của các biển báo kích thước nhỏ.
  4. Xây dựng và huấn luyện mô hình phát hiện vị trí biển báo (Detector) dựa trên cấu trúc mạng RetinaFace, kết hợp chỉnh sửa hộp bao cơ sở (Anchor Box).
  5. Xây dựng và huấn luyện mô hình phân loại chi tiết các lớp biển báo giao thông (Classifier).
  6. Tích hợp mô hình Detector và mô hình Classifier thành một hệ thống hoàn chỉnh hai giai đoạn; đánh giá hiệu năng trên tập dữ liệu thử nghiệm thực tế (tập dữ liệu Zalo).

3. Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các thuật toán học sâu thị giác máy tính phục vụ bài toán phát hiện (Object Detection) và phân loại (Image Classification) biển báo giao thông đường bộ; kỹ thuật tiền xử lý dữ liệu ảnh cho đối tượng kích thước siêu nhỏ.
  • Phạm vi dữ liệu và không gian: Dữ liệu hình ảnh biển báo giao thông đường bộ thu nhận từ camera hành trình với kích thước ảnh gốc 1622x626 pixel, tập trung vào điều kiện thách thức (biển báo nhỏ, khoảng cách quan sát xa) trên bộ dữ liệu Zalo.
  • Thời gian và đơn vị thực hiện: Đồ án tốt nghiệp chuyên ngành Cơ điện tử, Viện Cơ khí, Trường Đại học Bách Khoa Hà Nội, hoàn thành vào tháng 7/2022 (thuyết minh 64 trang).

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Khung lý thuyết và mô hình sử dụng

Đồ án vận dụng hệ thống lý thuyết về mạng nơ-ron nhân tạo và thị giác máy tính:

  • Tối ưu hóa và huấn luyện mạng sâu: Thuật toán suy giảm độ dốc (Gradient Descent - GD), Gradient Descent có quán tính (GD with Momentum), suy giảm độ dốc ngẫu nhiên (Stochastic Gradient Descent - SGD), và suy giảm độ dốc theo lô nhỏ (Mini-batch Gradient Descent). Kỹ thuật lan truyền ngược (Backpropagation) dựa trên đồ thị tính toán (Computational Graph) và quy tắc đạo hàm hàm hợp (Chain Rule).
  • Hàm kích hoạt (Activation Functions): Nghiên cứu các đặc tính toán học của hàm Sigmoid, hàm Tanh, hàm ReLU và hàm Leaky ReLU nhằm giải quyết hiện tượng triệt tiêu đạo hàm (Vanishing Gradient).
  • Kỹ thuật kiểm soát quá trình học: Chiến lược điều chỉnh tốc độ học (Learning Rate Schedules: Linear Warmup, Learning Rate Decay), kỹ thuật học chuyển giao (Transfer Learning), kỹ thuật dừng sớm (Early Stopping) và tập thẩm định (Validation Set) để hạn chế hiện tượng quá khớp (Overfitting) hoặc chưa khớp (Underfitting).
  • Kiến trúc mạng trích xuất đặc trưng (Backbone):
    • ResNet: Áp dụng khối phần dư (Residual Block) với đường nối tắt (Skip Connection) để huấn luyện mạng nhiều tầng mà không bị bão hòa hay bùng nổ đạo hàm.
    • EfficientNet (từ B0 đến B7 của Mingxing Tan và Quoc V. Le): Áp dụng phương pháp cân bằng đồng thời ba chiều thu phóng (chiều sâu, chiều rộng và độ phân giải ảnh).
    • MobileNet: Ứng dụng phép tích chập tách biệt theo chiều sâu (Depthwise Separable Convolution - DSC) nhằm giảm thiểu số lượng tham số $c' \times k \times k \times c$ của phép tích chập thông thường, tối ưu hóa tính toán cho thiết bị nhúng.
  • Kỹ thuật phát hiện và phân loại đối tượng: Phân biệt phương pháp Two-stage (như R-CNN, Fast R-CNN, Faster R-CNN sử dụng Selective Search tạo khoảng 2000 vùng đề xuất) và phương pháp One-stage (như YOLO, SSD). Áp dụng kiến trúc mạng RetinaFace tùy biến cho bài toán trích xuất vùng chứa biển báo.

2. Phương pháp nghiên cứu và đánh giá

  • Phương pháp tiền xử lý ảnh: Áp dụng thuật toán trượt cửa sổ (Sliding Window) cắt khung hình gốc 1622x626 pixel thành 3 ảnh con có độ phân giải phù hợp, làm tăng tỷ lệ kích thước của các biển báo nhỏ (kích thước gốc khoảng 5x5 pixel) so với toàn ảnh.
  • Phương pháp phân chia và tinh chỉnh mô hình: Thiết kế pipeline hai giai đoạn độc lập: Giai đoạn 1 sử dụng mạng RetinaFace đóng vai trò Detector để khoanh vùng tọa độ Bounding Box; Giai đoạn 2 sử dụng mạng Classifier để nhận diện nhãn lớp của vùng ảnh cắt ra từ Giai đoạn 1.
  • Hệ số và chỉ số đánh giá (Evaluation Metrics):
    • Chỉ số giao diện trên diện tích hợp (Intersection over Union - IoU) giữa hộp dự đoán ($Prediction$) và nhãn thực tế ($Ground\ Truth$).
    • Chỉ số độ chính xác (Precision), độ thu hồi (Recall), đường cong biểu diễn quan hệ Precision-Recall (PR Curve).
    • Độ chính xác trung bình (Average Precision - AP) tính bằng diện tích dưới đường cong PR và độ chính xác trung bình cho tất cả các lớp (mean Average Precision - mAP, mAP50).
Kịch bản Transfer Learning Bộ dữ liệu mục tiêu rất giống Bộ dữ liệu mục tiêu rất khác
Rất ít dữ liệu Huấn luyện bộ phân loại tuyến tính (Linear Classifier) ở tầng cuối Khá khó khăn; thử nghiệm Linear Classifier từ các tầng trung gian
Khá nhiều dữ liệu Tinh chỉnh (Fine-tune) một vài tầng cuối Tinh chỉnh (Fine-tune) một số lượng lớn các tầng

Thiết kế và triển khai hệ thống

1. Kiến trúc hệ thống tổng thể

Hệ thống nhận diện biển báo được thiết kế theo luồng xử lý nối tiếp (Two-stage Pipeline):

Ảnh đầu vào (1622x626) -> Tiền xử lý (Sliding Window) -> Mô hình Detector (RetinaFace tùy biến) -> Cắt vùng biển báo -> Mô hình Classifier -> Kết quả (Tọa độ Bounding Box + Nhãn phân loại)
  1. Khâu tiền xử lý dữ liệu: Tiếp nhận ảnh từ tập dữ liệu với kích thước chuẩn 1622x626 pixel. Hệ thống áp dụng kỹ thuật Sliding Window để chia tách mỗi bức ảnh thành 3 ảnh con có kích thước bằng nhau, đồng thời tính toán lại tọa độ nhãn (Bounding Box Annotation) tương ứng trên từng ảnh con.
  2. Khâu phát hiện đối tượng (Detector): Mạng RetinaFace được cấu hình lại với hệ thống Anchor Box tùy chỉnh về tỷ lệ khung hình và kích thước nhằm tập trung bắt các vùng đặc trưng diện tích nhỏ. Mô hình xác định vị trí các hộp bao nghi ngờ chứa biển báo giao thông và xuất giá trị tọa độ kèm độ tin cậy (Confidence Score).
  3. Khâu phân loại đối tượng (Classifier): Các vùng ảnh cục bộ được mô hình Detector khoanh vùng sẽ được trích xuất và đưa vào mạng phân loại đa lớp để xác định tên/loại biển báo chính xác.
  4. Khâu hợp nhất và hậu xử lý: Tổng hợp kết quả từ 3 ảnh con về hệ tọa độ của bức ảnh gốc 1622x626 pixel, loại bỏ các kết quả trùng lặp thông qua ngưỡng IoU và xuất nhãn nhận diện cuối cùng.

2. Triển khai huấn luyện và kiểm thử

  • Dữ liệu huấn luyện Detector: Ảnh sau khi trích xuất qua cửa sổ trượt được chuyển đổi định dạng nhãn sang cấu trúc phù hợp với mạng RetinaFace (tọa độ tâm, chiều rộng, chiều cao hoặc $x_{min}, y_{min}, x_{max}, y_{max}$).
  • Dữ liệu huấn luyện Classifier: Tập hợp các ảnh cắt (Crop Images) chứa độc lập từng biển báo giao thông thuộc các lớp khác nhau, được phân chia thành tập huấn luyện (Training Set) và tập kiểm định (Validation Set).
  • Quy trình kiểm thử: Đánh giá độc lập mô hình Detector trên tập Testing để xác định chỉ số mAP cho tác vụ phát hiện một lớp (chỉ phân biệt biển báo và nền). Sau đó, kết nối đồng bộ hai mô hình để chạy thử nghiệm trên tập dữ liệu Zalo, thống kê ma trận lỗi True Positive (TP), False Positive (FP) cho từng phân lớp biển báo.

Nội dung chính theo từng chương

Chương 1: Tổng quan về xe tự lái

Chương 1 trình bày lịch sử hình thành phương tiện tự hành từ năm 1939 (mô hình của Norman Bel Geddes tại triển lãm General Motors sử dụng sóng vô tuyến và gai kim loại từ hóa), mốc năm 1977 tại Nhật Bản với hệ thống máy tính xử lý ảnh từ camera đạt vận tốc 32 km/h, đến các cải tiến tại Đức thập niên 1980 đạt tốc độ 90 km/h. Tác giả phân tích thang đo 6 cấp độ tự hành (từ Cấp độ 0 đến Cấp độ 5) theo tiêu chuẩn của SAE International:

Cấp độ Tên gọi theo SAE Mức độ tự động hóa và vai trò của người lái
0 Không tự động hóa Người lái kiểm soát hoàn toàn; hệ thống chỉ đưa ra cảnh báo (cảnh báo điểm mù, lệch làn).
1 Hỗ trợ người lái Hỗ trợ một chức năng riêng lẻ: Kiểm soát hành trình thích ứng (ACC) hoặc Hỗ trợ giữ làn (LKA).
2 Tự hành một phần Kết hợp nhiều hệ thống ADAS (tự đánh lái, tăng tốc, phanh); tài xế bắt buộc phải giám sát liên tục.
3 Tự lái có điều kiện Xe tự đưa ra quyết định thời gian thực; tài xế phải sẵn sàng can thiệp khi có yêu cầu khẩn cấp.
4 Tự lái cấp độ cao Xe tự vận hành hoàn toàn trong ranh giới địa lý/điều kiện xác định (như Waymo tại Phoenix, Arizona).
5 Tự động hóa hoàn toàn Phương tiện tự hành trong mọi điều kiện địa lý và thời tiết; không cần vô lăng, bàn đạp hay người lái.

Bên cạnh đó, chương này phân tích bài toán Perception trong việc xử lý vật thể tĩnh và động thông qua dữ liệu 2D (Single-stage, Region Proposal), phân vùng ảnh (Semantic, Instance Segmentation), dữ liệu đám mây điểm 3D Point Cloud từ Lidar, ảnh độ sâu RGB-D, ảnh nhìn từ góc cao (Bird's Eye View - BV) trên các tập dữ liệu chuẩn như KITTI và nuScenes, cùng hạn chế về tầm nhìn và độ phân giải của cảm biến Radar.

Chương 2: Cơ sở lý thuyết học máy, học sâu và bài toán phát hiện vật thể

Chương 2 thiết lập cơ sở toán học và kỹ thuật của học sâu:

  • Tối ưu hóa: Thiết lập hàm mất mát $L(w)$ cho hồi quy tuyến tính, giải thuật Gradient Descent: $\theta_{new} = \theta_{old} - \eta \nabla_\theta L(\theta)$, thuật toán Momentum với vận tốc tích lũy $v_t = \gamma v_{t-1} + \eta \nabla_\theta L(\theta)$ ($\gamma$ thường chọn 0.9), các biến thể SGD và Mini-batch GD với kích thước lô $k$.
  • Hàm kích hoạt: Đánh giá hàm Sigmoid $f(x) = \frac{1}{1 + e^{-x}}$, hàm Tanh $f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}}$, hàm ReLU $f(x) = \max(0, x)$ (tốc độ hội tụ nhanh hơn khoảng 6 lần so với Tanh nhưng triệt tiêu đạo hàm ở miền âm), và hàm Leaky ReLU $f(x) = \max(\alpha x, x)$ với độ dốc nhỏ ở phần âm.
  • Kỹ thuật chống quá khớp: Sử dụng tập Validation, Early Stopping dừng huấn luyện khi hàm mất mát trên tập kiểm định có xu hướng tăng.
  • Các bài toán thị giác máy tính: Phân loại ảnh (Classification), phát hiện đối tượng (Object Detection), phân đoạn ngữ nghĩa (Semantic Segmentation), phân đoạn cá thể (Instance Segmentation), và mô tả ảnh (Image Captioning - kết hợp CNN và RNN).
  • Mô hình phát hiện đối tượng và Backbone: So sánh Two-stage (R-CNN, Fast R-CNN, Faster R-CNN) và One-stage (YOLO, SSD); cấu trúc Residual Block của ResNet; cơ chế Compound Scaling của EfficientNet; phép tính tích chập DSC của MobileNet. Đồng thời giới thiệu các phương pháp tìm kiếm vùng chọn như Sliding Window, Selective Search (thuật toán phân đoạn Felzenszwalb Superpixel) và phương pháp ước lượng Bounding Box từ Anchor Box.

Chương 3: Huấn luyện mô hình nhận diện biển báo giao thông

Chương 3 trình bày các bước thực nghiệm xây dựng mô hình:

  • Tiền xử lý và huấn luyện Detector: Dữ liệu ảnh đầu vào 1622x626 pixel được áp dụng phương pháp trượt cửa sổ tạo ra 3 ảnh con. File cấu hình của mạng RetinaFace được tinh chỉnh các tham số kích thước Anchor Box để phù hợp với kích thước đối tượng biển báo nhỏ. Tiến hành huấn luyện mô hình phát hiện biển báo (chỉ phát hiện nhãn tổng quát "biển báo") và xuất đồ thị mAP trên tập dữ liệu kiểm tra.
  • Huấn luyện Classifier: Thu thập, thống kê và chuyển đổi định dạng dữ liệu cho từng lớp biển báo chi tiết. Huấn luyện mạng phân loại ảnh, theo dõi đồ thị sai số (Loss) và độ chính xác (Accuracy) qua các vòng lặp (Epoch).
  • Tích hợp và đánh giá mô hình cuối cùng: Kết nối luồng xử lý từ RetinaFace Detector sang Classifier. Đánh giá chất lượng mô hình trên tập dữ liệu kiểm tra Zalo thông qua việc thống kê lượng mẫu True Positive, False Positive theo từng phân lớp, xây dựng đường cong Precision-Recall và tính toán chỉ số mAP50 chung cuộc của toàn hệ thống.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

  • Xây dựng thành công quy trình tiền xử lý ảnh sử dụng kỹ thuật Sliding Window, giải quyết hiệu quả bài toán tăng cường khả năng phát hiện các biển báo kích thước siêu nhỏ (5x5 pixel) từ khung hình gốc 1622x626 pixel.
  • Tinh chỉnh thành công kiến trúc mạng RetinaFace thông qua việc tái cấu trúc Anchor Box, cho phép phát hiện chính xác vùng chứa biển báo giao thông trước khi chuyển sang pha phân loại.
  • Hoàn thành huấn luyện mô hình phân loại đa lớp (Classifier) với sự hội tụ ổn định của đồ thị Loss và Accuracy qua các Epoch huấn luyện.
  • Tích hợp hoàn chỉnh hệ thống nhận diện biển báo giao thông hai giai đoạn và kiểm thử thành công trên bộ dữ liệu thực tế Zalo, trích xuất đầy đủ các bảng thống kê True Positive, False Positive, đường cong Precision-Recall và chỉ số mAP50 trên tập dữ liệu đánh giá.

2. Đóng góp của đồ án

  • Hệ thống hóa toàn diện cơ sở lý thuyết về các cấp độ xe tự lái theo tiêu chuẩn quốc tế SAE và các kỹ thuật xử lý dữ liệu cảm biến (Camera 2D, Lidar 3D, Radar).
  • Đề xuất giải pháp kết hợp giữa kỹ thuật tiền xử lý trượt cửa sổ (Sliding Window) với mạng phát hiện RetinaFace tùy biến và mạng phân loại chuyên biệt nhằm giải quyết bài toán nhận diện đối tượng nhỏ trong các điều kiện ngoại cảnh phức tạp.
  • Cung cấp quy trình hoàn chỉnh từ chuẩn bị dữ liệu, chia tập huấn luyện/kiểm tra, chuyển đổi định dạng nhãn, cấu hình siêu tham số đến đánh giá hiệu năng hệ thống bằng các độ đo học thuật chuẩn mực (IoU, PR Curve, mAP50).

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế

  • Dữ liệu thực nghiệm tập trung chủ yếu trên bộ dữ liệu ảnh giao thông Zalo, chưa bao quát đầy đủ tất cả các điều kiện thời tiết khắc nghiệt (mưa lớn ban đêm, sương mù dày đặc) hoặc các tình huống biển báo bị che khuất phần lớn diện tích.
  • Cấu trúc hệ thống hai giai đoạn (Detector kết hợp Classifier) sau bước trượt cửa sổ làm tăng số lượng phép tính xử lý trên mỗi khung hình gốc, tạo ra thách thức nhất định về mặt độ trễ khi triển khai trên các phần cứng nhúng thời gian thực của xe tự hành.

2. Hướng nghiên cứu tiếp

  • Tối ưu hóa thuật toán và tinh giản cấu trúc mạng nơ-ron để giảm chi phí tính toán, nâng cao tốc độ xử lý khung hình/giây (FPS) đáp ứng yêu cầu vận hành thời gian thực trên các hệ thống tính toán biên.
  • Mở rộng tập dữ liệu huấn luyện và kiểm thử trên các bộ dữ liệu giao thông quốc tế và trong nước với nhiều kịch bản thời tiết, góc chụp và mức độ che khuất phức tạp hơn.
  • Nghiên cứu kết hợp thêm thông tin từ các cảm biến khác như Lidar 3D (dữ liệu đám mây điểm) hoặc bản đồ độ nét cao (HD Map) để tăng độ tin cậy khi định vị và nhận diện biển báo trong điều kiện môi trường bất lợi.

Giá trị tham khảo

  • Đối tượng tham khảo: Sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành Cơ điện tử, Kỹ thuật Robot, Khoa học Máy tính, Trí tuệ nhân tạo, Kỹ thuật Điều khiển và Tự động hóa.
  • Nội dung có giá trị sử dụng cao:
    • Phần tổng hợp lý thuyết về các giải thuật tối ưu (Gradient Descent, Momentum, SGD), hàm kích hoạt và kỹ thuật Transfer Learning được trình bày mạch lạc, có tính hệ thống cao.
    • Phương pháp xử lý ảnh kích thước nhỏ bằng kỹ thuật Sliding Window kết hợp tùy biến Anchor Box trên mạng RetinaFace là tài liệu tham khảo thực nghiệm giá trị cho các bài toán phát hiện vật thể kích thước nhỏ (Small Object Detection) trong thị giác máy tính.
    • Khung đánh giá hiệu năng dựa trên IoU, Precision, Recall, PR Curve và mAP cung cấp hướng dẫn mẫu cho việc kiểm thử các mô hình học sâu.

Câu hỏi thường gặp

1. Đồ án giải quyết vấn đề nhận diện biển báo kích thước nhỏ (5x5 pixel) bằng phương pháp nào?

Tác giả giải quyết vấn đề này bằng cách áp dụng kỹ thuật tiền xử lý trượt cửa sổ (Sliding Window), chia bức ảnh gốc kích thước 1622x626 pixel thành 3 ảnh con có độ phân giải phù hợp. Việc này làm tăng tỷ lệ kích thước của biển báo so với kích thước khung hình đầu vào của mạng nơ-ron, kết hợp cùng việc chỉnh sửa lại hệ thống Anchor Box trong file cấu hình của mạng RetinaFace để mô hình dễ dàng phát hiện các vùng đối tượng nhỏ.

2. Kiến trúc tổng thể của hệ thống nhận diện trong đồ án gồm những mô hình nào?

Hệ thống được xây dựng theo phương pháp hai giai đoạn (Two-stage Pipeline): Giai đoạn 1 sử dụng mạng phát hiện đối tượng RetinaFace (đã được tùy biến file cấu hình và Anchor Box) để xác định vị trí và khoanh vùng Bounding Box của biển báo; Giai đoạn 2 sử dụng mạng Classifier để nhận diện nhãn lớp chi tiết của vùng ảnh biển báo được cắt ra từ Giai đoạn 1.

3. Đồ án sử dụng những độ đo nào để đánh giá chất lượng mô hình?

Đồ án sử dụng các chỉ số chuẩn trong bài toán phát hiện và phân loại đối tượng gồm: Hệ số giao trên diện tích hợp (IoU), Độ chính xác (Precision), Độ thu hồi (Recall), Đường cong quan hệ Precision-Recall (PR Curve), Độ chính xác trung bình (Average Precision - AP), và Độ chính xác trung bình cho tất cả các lớp (mAP, mAP50).

4. Các mạng xương sống (Backbone) nào được nghiên cứu phân tích trong đồ án?

Đồ án phân tích chi tiết ba kiến trúc mạng xương sống phổ biến: ResNet (sử dụng Residual Block và Skip Connection giải quyết hiện tượng suy giảm gradient), EfficientNet (từ B0 đến B7, kết hợp thu phóng đồng thời theo chiều sâu, chiều rộng và độ phân giải), và MobileNet (sử dụng phép tích chập Depthwise Separable Convolution nhằm giảm số lượng tham số cho thiết bị nhỏ gọn).

5. Dữ liệu thực nghiệm chính dùng để kiểm thử hệ thống được lấy từ nguồn nào?

Hệ thống được huấn luyện và đánh giá trên bộ dữ liệu hình ảnh giao thông Zalo, với các khung hình có độ phân giải gốc 1622x626 pixel thu nhận từ camera hành trình trong điều kiện đường sá thực tế.

Kết luận

Đồ án tốt nghiệp "Xây dựng hệ thống tự động nhận diện biển báo giao thông trong điều kiện khó ứng dụng hỗ trợ cho xe tự lái" của tác giả Hoàng Anh Dũng đã giải quyết thành công bài toán nhận diện các biển báo giao thông có kích thước nhỏ và điều kiện quan sát phức tạp. Bằng việc kết hợp kỹ thuật tiền xử lý trượt cửa sổ (Sliding Window) với mạng phát hiện RetinaFace tùy biến Anchor Box và mô hình phân loại đa lớp chuyên biệt, hệ thống đã đạt được kết quả nhận diện chính xác trên bộ dữ liệu thực nghiệm Zalo. Đây là công trình nghiên cứu ứng dụng có cấu trúc chặt chẽ, đóng góp tài liệu tham khảo kỹ thuật hữu ích cho việc phát triển các hệ thống trợ lái nâng cao (ADAS) và xe tự hành.