Chương 1: Giới thiệu: Trình bày các vấn đề đặt ra đối với đề tài, các nghiên cứu có liên quan, mục tiêu của đề tài, đối tượng và phạm vi đề tài, nội dung đề tài và những đóng góp chính của đề tài. Chương 2: Mô tả bài toán: Mô tả chi tiết bài toán, cơ sở lí thuyết của đề tài. Chương 3: Thiết kế và cài đặt giải pháp: Huấn luyện mô hình nhận dạng đối tượng, kiến trúc tổng quát hệ thống, xây dựng các mô hình, giao diện hệ thống và giải pháp cài đặt. Chương 4: Kiểm thử và đánh giá: Kịch bản kiểm thử hệ thống và kết quả kiểm thử của kịch bản.
Chương 5: Kết luận và hướng phát triển.8 Tổng kết chương Chương này trình bày tính cần thiết của đề tài, các nghiên cứu có liên quan, mục tiêu đề tài, đối tượng và phạm vi đề tài và nội dung chính của đề tài sẽ được thực hiện. 4 Luận văn hệ thống thông tin HK1 – 2022 - 2023 CHƯƠNG 2. MÔ TẢ BÀI TOÁN 1.9 Mô tả chi tiết bài toán Thi học kỳ là một giai đoạn tổng kết hết sức quan trọng trong quá trình học tập và rèn luyện của sinh viên. Nhằm mục đích phát hiện các điểm mạnh điểm yếu của từng sinh viên, đánh giá phân loại và đảm bảo chất lượng đầu ra của các chương trình giáo dục, đảm bảo công bằng trong thi cử, tạo sự thi đua phấn đấu cho mỗi cá nhân sinh viên.
Hệ thống “Quản lý công tác thi học kỳ tại Trường CNTT&TT” có thể hỗ trợ cho việc tổ chức thi học kỳ trở nên nhanh chóng và hạn chế những sai sót. Hệ thống có 2 nhóm người dùng: - Người dùng hệ thống: Nhóm người dùng là giảng viên. Hệ thống bao gồm các chức năng cụ thể như sau: + Đăng nhập: Người dùng có nhập vào hệ thống: qua tài khoản gmail đã được nhà trường cung cấp, hệ thống sẽ nhận biết người dùng thông qua tài khoản đó. + Đăng xuất: Thoát tài khoản gmail người dùng ra khỏi hệ thống.
+ Xem lớp học phần: Cho phép người dùng xem được thông tin của lớp học phần đang giảng dạy. Bao gồm các chức năng cụ thể: tìm kiếm lớp học phần đang giảng dạy, xem danh sách sinh viên của lớp học phần, có thể đăng kí thi có các lớp học phần theo kế hoạch của cán bộ giáo vụ. + Xem lịch thi: Cho phép người dùng xem được thông tin lịch thi của lớp học phần đang giảng dạy. Bao gồm các chức năng cụ thể: tìm kiếm lịch thi, phát hiện hành vi bất thường từ video phòng thi nếu có nhu cầu và đã được cán bộ giáo vụ cập nhật lên hệ thống, tải xuống video đã phát hiện hành vi bất thường.
- Quản trị viên: Quản trị viên là cán bộ giáo vụ. Hệ thống bao gồm các chức năng cụ thể như sau: + Đăng nhập: Người quản trị nhập tài khoản gmail do nhà trường cung để truy cập vào hệ thống. + Đăng xuất: Thoát tài khoản gmail quản trị ra khỏi hệ thống. + Quản lý bộ môn: Quản lý dữ liệu của bộ môn.
Bao gồm các chức năng cụ thể: xem danh sách bộ môn, tìm kiếm bộ môn bằng cách nhập các từ khóa, thêm bằng Excel, thêm thủ công, sửa, xóa bộ môn. + Quản lý giảng viên: Quản lý dữ liệu của giảng viên. Bao gồm các chức năng cụ thể: xem danh sách giảng viên, tìm kiếm giảng viên bằng cách nhập các từ khóa, thêm bằng Excel, thêm thủ công, sửa, xóa giảng viên. 5 Luận văn hệ thống thông tin HK1 – 2022 - 2023 + Quản lý học kỳ: Bao gồm các chức năng cụ thể: xem danh sách học kỳ, tìm kiếm học kỳ bằng cách nhập các từ khóa, thêm, sửa, xóa học kỳ.
+ Quản lý niên khóa: Bao gồm các chức năng cụ thể: xem danh sách niên khóa, tìm kiếm niên khóa bằng cách nhập các từ khóa, thêm bằng Excel, thêm thủ công, sửa, xóa niên khóa. + Quản lý học phần: Quản lý dữ liệu của học phần. Bao gồm các chức năng cụ thể: xem danh sách học phần, tìm kiếm học phần bằng cách nhập các từ khóa, thêm bằng Excel, thêm thủ công, sửa, xóa học phần. + Quản lý lớp học phần: Quản lý dữ liệu của lớp học phần.
Bao gồm các chức năng cụ thể: xem danh sách lớp học phần, xem danh sách sinh viên của lớp học phần, tìm kiếm lớp học phần bằng cách nhập các từ khóa, tìm kiếm sinh viên bằng cách nhập các từ khóa, thêm lớp học phần bằng Excel, thêm sinh viên lớp học phần bằng Excel, thêm thủ công lớp học phần, sửa lớp học phần, xóa lớp học phần và sinh viên của lớp học phần. + Quản lý phòng thi: Bao gồm các chức năng cụ thể: xem danh sách phòng thi, tìm kiếm phòng thi bằng cách nhập các từ khóa, thêm bằng Excel, thêm thủ công, sửa, xóa phòng thi. + Quản lý kế hoạch: Bao gồm các chức năng cụ thể: xem danh sách kế hoạch, tìm kiếm kế hoạch bằng cách nhập các từ khóa, với trạng thái hiện tức sắp tổ chức thi học kì cho niên khóa và học kỳ hiện tại hệ thống sẽ cho phép lập lịch thi tự động cho kế hoạch,thêm bằng Excel, thêm thủ công, sửa, ẩn hiện kế hoạch. + Xem lịch thi: Bao gồm các chức năng cụ thể: xem lịch thi của từng phòng, xem danh sách lịch thi, thêm video của phòng thi, tìm kiếm lịch thi bằng cách nhập các từ khóa, xuất lịch thi ra file Excel.10 Cơ sở lí thuyết Đối với con người, việc xác định các đối tượng, thông tin trong một hình ảnh là tương đối dễ dàng.
Nhưng đối với máy tính thì hình ảnh chỉ là một mảng các pixel, các giá trị số đại diện cho các sắc độ của màu đỏ, xanh lá cây và xanh dương. Vì thế, phát hiện và nhận dạng đối tượng trong ảnh là chủ đề hot thuộc lĩnh vực thị giác máy tính đã nghiên cứu tích cực trong một thời gian dài. Thị giác máy tính (Computer Vision) là một lĩnh vực trong trí tuệ nhân tạo và khoa học máy tính nhằm giúp máy tính có được khả năng nhìn và hiểu giống như con người. Thị giác máy tính được ứng dụng trong nhiều lĩnh vực thực tiễn như: - Nhận dạng cảnh (Scene Recognition).
- Phát hiện đối tượng (Face Detection). - Nhận dạng ký tự quang học (Optical Character Recognition). 6 Luận văn hệ thống thông tin HK1 – 2022 - 2023 - Thực tế ảo (Virtual Reality). - Thực tế tăng cường (Augmented Reality).
- Và nhiều ứng dụng khác. Xây dựng “Hệ thống quản lý công tác thi học kỳ tại trường CNTT&TT” nghiên cứu thích hợp thêm chức năng cho hệ thống, sử dụng các mô hình, thuật toán trong lĩnh vực thị giác máy tính để giải quyết bài toán thực tế. Chương này trình bày cơ sở lý thuyết về các kỹ thuật học sâu, mạng nơ ron và các thuật toán phát hiện và nhận dạng đối tượng được sử dụng trong chức năng hệ thống. Máy học có thể tự dự đoán hoặc đưa ra quyết định mà không cần được lập trình cụ thể.
Mạng nơ ron nhân tạo (Artificial Neural Networks) là một mô hình xử lý thông tin, cấu thành từ các lớp nơ ron, được ra đời trên cơ sở mô phỏng hoạt động não bộ của sinh vật. Mạng nơ ron nhân tạo gắn kết nhiều nơ ron theo một mô hình nhất định, được trải qua huấn luyện để rút ra được kinh nghiệm, và sử dụng các kinh nghiệm đã có để xử lý 8 các thông tin mới. Mạng nơ ron nhân tạo thường áp dụng vào giải các bài toán nhận dạng mẫu, hoặc dự đoán. Học sâu (Deep Learning) là một ngành đặc thù của học máy.
Học sâu sử dụng mạng nơ ron nhân tạo để giải quyết các bài toán mà tính toán cứng chưa thể xử lý được như dữ liệu mờ, dữ liệu trừu tượng, dữ liệu không rõ ràng,. Các ưu điểm nổi bật của học sâu gồm: - Có độ chính xác cao, có thể học sâu rộng và đạt được độ chính xác ở mức công nhận vô cùng cao. - Có thể thực hiện nhiều phép tính song song bằng GPU và có thể mở rộng cho khối lượng lớn dữ liệu. - Có thể giải quyết các bài toán và đánh giá phức tạp.
- Tương thích với nhiều ứng dụng và kiểu dữ liệu khác nhau.Mô hình mạng nơ-ron tích chập CNN Mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) là một trong những phương pháp được áp dụng nhiều nhất trong lĩnh vực xử lý ảnh (Computer 7 Luận văn hệ thống thông tin HK1 – 2022 - 2023 vision) để giải quyết các bài toán như nhận dạng hình ảnh, phân loại hình ảnh, phát hiện đối tượng , nhận diện khuôn mặt, …v. Một mô hình CNN sẽ có kiến trúc gồm các tầng như: tầng tích chập (Convolution), tầng tổng hợp (pooling) dùng để trích xuất đặc trưng và tầng liên kết đầy đủ (fully connected) dùng để phân lớp đối tượng. Chi tiết ở hình 2. 1 Kiến trúc tổng quan của mô hình CNN Tầng tích chập (Convolution): Mục đích của tầng này là trích xuất đặc trưng tương ứng với đầu vào.
Từ ý tưởng Local receptive fields, mô hình sẽ tiến hành chọn 1 bộ lọc để tìm và trích xuất những thông tin quan trọng từ dữ liệu đầu vào, đồng thời giảm số chiều cho các lớp ẩn tiếp theo. Các giá trị đầu ra cho vùng lọc sẽ được tính toán bằng các hàm kích hoạt (Activated Function). Một số hàm kích hoạt nổi tiếng thường dùng có thể kể đến như ReLU, Tanh, Sigmoid… Hiện nay, hàm ReLU được sử dụng nhiều hơn các hàm còn lại. Tầng tổng hợp (pooling): Sau tầng tích chập, tầng tổng hợp trích chọn đặc trưng và giảm số chiều cho dữ liệu đầu vào.
Khi giảm số chiều, mô hình giảm số lượng tham số, rút ngắn được thời gian huấn luyện và hạn chế overfitting. Cũng như tầng tích chập, tầng tổng hợp sử dụng bộ lọc trượt qua dữ liệu đầu vào để trích xuất đặc trưng cần thiết, nhưng các bộ lọc ở đây sẽ không chứa tham số. Các phương pháp phổ biến được sử dụng ở tầng tổng hợp là maxpooling và averagepooling. Trong đó maxpooling chỉ lấy giá trị cao nhất trong vùng của bộ lọc đi qua còn averagepooling sẽ tính toán giá trị trung bình trong vùng bộ lọc đi qua.
Tầng liên kết đầy đủ (Fully-connected): Kiến trúc của tầng liên kết đầy đủ tương tự kiến trúc của mạng nơ ron nhân tạo. Kết quả đầu ra của tầng tích chập và tầng tổng hợp là các ma trận ở dạng hai chiều hoặc ba chiều. Các ma trận trên sẽ được làm phẳng (Flatten) thành một vector rồi mới được đưa vào tầng liên kết đầy đủ. Lớp cuối cùng trong tầng liên kết đầy đủ chính là đầu ra cho bài toán.