Chương 1: Tổng quan đề tài Bằng cách nhìn nhận vào thực tế rằng việc dạy người khiếm thị có thể nhận diện đối tượng là tốn kém thời gian, công sức. Cộng thêm các khâu chăm sóc, chuẩn bị khác làm cho người chăm sóc trở nên cực kì bận rộn và gần như kiệt sức. Thêm vào đó việc công nghệ AI đang phát triển mạnh, vậy tại sao không tạo ra một mô hình nhận dạng đối tượng giúp cải thiện hiệu quả việc nhận biết của người khiếm thị và tiết kiệm sức lực, thời gian cho người chăm sóc. Chương 2: Cơ sở lý thuyết Trình bày ngắn gọn và rõ ràng về các linh kiện sử dụng, các lý thuyết liên quan, những ngôn ngữ lập trình và thư viện sử dụng cho đề tài.
Chương 3: Thiết kế và thi công hệ thống Thiết kế một hệ thống dựa trên những nghiên cứu về linh kiện sao cho hệ thống hoạt động ổn định và có đem lại kết quả nhận diện có độ chính xác khá cao. Tiến hành tổng hợp các linh kiện đặt nó vào một khối thống nhất và thi công phần cứng.Trình bày kết quả mô hình với từng chức năng và hướng dẫn các thao tác sử dụng. Chương 4: Kết quả Đưa ra kết quả dựa trên những gì đã thực hiện được, đấy là một mô hình nhận dạng đối tượng hỗ trợ cho người khiếm thị dựa trên camera HuskyLens. Chương 5: Kết luận và hướng phát triển Từ những kết quả mà nhóm đạt được,nhóm đưa ra nhận xét, đánh giá và đặt thêm những hướng phát triển có thể có giúp cho đề tài để có thể hoàn thiện sử dụng cho ứng dụng thực tế.
3 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2. Tổng quan về AI và ứng dụng AI AI (Artificial Intelligence) hay còn gọi là trí tuệ nhân tạo, là một cách làm cho máy tính, robot do máy tính điều khiển hoặc phần mềm suy nghĩ một cách thông minh, theo cách tương tự mà con người thông minh suy nghĩ. Thông tin từ trang web của (tutorialspoint, n.) cho thấy trí tuệ nhân tạo được thực hiện bằng cách nghiên cứu cách não bộ con người suy nghĩ cũng như cách con người học hỏi, quyết định và làm việc trong khi cố gắng giải quyết vấn đề, sau đó sử dụng kết quả của nghiên cứu này làm cơ sở để phát triển phần mềm và hệ thống thông minh. Mục đích của AI là tạo ra trí thông minh tương tự trong máy móc mà chúng ta thấy và đánh giá cao ở con người.
Ngày nay, AI được ứng dụng rất phổ biến trong đời sống. Một số ứng dụng của AI đã chiếm ưu thế trong nhiều lĩnh vực khác nhau: - Chơi game − AI đóng vai trò quan trọng trong các trò chơi chiến lược như cờ vua,… nơi máy có thể nghĩ ra một số lượng lớn các vị trí có thể dựa trên kiến thức heuristic. - Xử lý ngôn ngữ tự nhiên - Có thể tương tác với máy tính hiểu ngôn ngữ tự nhiên do con người nói. - Hệ thống chuyên gia - Có một số ứng dụng tích hợp máy, phần mềm và thông tin đặc biệt để truyền đạt lý luận và tư vấn.
Họ cung cấp lời giải thích và lời khuyên cho người dùng. - Hệ thống thị giác - Các hệ thống này hiểu, giải thích và hiểu đầu vào trực quan trên máy tính, chẳng hạn như cảnh sát sử dụng phần mềm máy tính có thể nhận dạng khuôn mặt của tên tội phạm với chân dung được lưu lại trên camera. - Nhận dạng giọng nói – Một số hệ thống thông minh có khả năng nghe và hiểu ngôn ngữ dưới dạng câu và nghĩa của chúng khi con người nói chuyện với nó. Nó có thể xử lý các trọng âm khác nhau, từ lóng, tiếng ồn trong nền,… - Nhận dạng chữ viết tay − Phần mềm nhận dạng chữ viết tay đọc văn bản được viết trên giấy bằng bút hoặc trên màn hình bằng bút stylus.
Nó có thể nhận ra hình dạng của các chữ cái và chuyển đổi nó thành văn bản có thể chỉnh sửa. - Robot thông minh – Robot có thể thực hiện các nhiệm vụ do con người đưa ra. Chúng có các cảm biến để phát hiện dữ liệu vật lý từ thế giới thực như ánh sáng, nhiệt độ, nhiệt độ, chuyển động, âm thanh, va chạm và áp suất. Chúng có bộ vi xử lý hiệu quả, nhiều cảm biến và bộ nhớ khổng lồ để thể hiện trí thông minh.
Ngoài ra, robot có khả năng học hỏi từ những sai lầm của mình và họ có thể thích nghi với môi trường mới. Tổng quan về khiếm thị 4 Trong cuộc sống ngày nay, nhiều người có một số loại vấn đề về thị giác tại một số thời điểm trong cuộc sống của họ. Một số không còn nhìn thấy các vật ở xa. Những người khác có vấn đề đọc chữ in nhỏ.
Những loại điều kiện này thường được điều trị dễ dàng bằng kính đeo mắt. Nhưng khi một hoặc nhiều bộ phận của mắt hoặc não cần thiết để xử lý hình ảnh bị bệnh hoặc hư hỏng, có thể xảy ra mất thị lực nghiêm trọng hoặc hoàn toàn. Trong những trường hợp này, thị lực không thể phục hồi hoàn toàn bằng điều trị y tế, phẫu thuật hoặc thấu kính điều chỉnh như kính cận hoặc kính áp tròng. Khiếm thị là thuật ngữ mà các chuyên gia sử dụng để mô tả bất kỳ loại mất thị lực nào, cho dù đó là người hoàn toàn không nhìn thấy gì hay người bị mất thị lực một phần.
Một số người bị mù hoàn toàn, nhưng nhiều người khác bị mù pháp lý. Từ những thông tin trên có thể thấy rõ sức ảnh hưởng của việc nhìn, nhận dạng đối tượng lên người khiếm thị. Tóm lại, việc nhận diện được các đối tượng trong đời sống giúp đỡ rất nhiều cho người khiếm thị, giúp họ hiểu hơn về thế giới bên ngoài cho dù họ không thể nhìn thấy được. Tổng quan về nhận dạng đối tượng 2.
Khái niệm Nhận dạng đối tượng là một kỹ thuật thị giác máy tính để xác định các đối tượng trong hình ảnh hoặc video. Nhận dạng đối tượng là đầu ra chính của thuật toán học máy và học sâu. Khi con người nhìn vào một bức ảnh hoặc xem một đoạn video, chúng ta có thể dễ dàng nhận ra con người, đồ vật, cảnh và các chi tiết hình ảnh. Mục tiêu là dạy cho máy tính làm những gì tự nhiên đến với con người: đạt được mức độ hiểu biết về nội dung của một hình ảnh.
1: Sử dụng nhận dạng đối tượng để xác định các loại đối tượng khác nhau. Kỹ thuật nhận dạng đối tượng Gần đây, các kỹ thuật trong học máy và học sâu đã trở thành cách tiếp cận phổ biến đối với các bài toán nhận dạng đối tượng. Cả hai kỹ thuật đều học cách xác định các đối tượng trong ảnh, nhưng chúng khác nhau về cách thực hiện. 2: Kỹ thuật học máy và học sâu để nhận dạng đối tượng Nhận dạng đối tượng bằng học sâu Thông tin từ trang web của (MathWorks, n.) cho thấy các mô hình học sâu như mạng thần kinh tích chập hoặc CNN được sử dụng để tự động tìm hiểu các đặc điểm vốn có của một đối tượng nhằm xác định đối tượng đó.
Ví dụ: CNN có thể học cách xác định sự khác biệt giữa mèo và chó bằng cách phân tích hàng nghìn hình ảnh huấn luyện và tìm hiểu các đặc điểm khiến mèo và chó khác nhau. Có hai cách tiếp cận để thực hiện nhận dạng đối tượng bằng học sâu: + Đào tạo một mô hình từ đầu: Thu thập một tập dữ liệu có nhãn rất lớn và thiết kế một kiến trúc mạng sẽ tìm hiểu các tính năng và xây dựng mô hình, nhưng phương pháp này yêu cầu một lượng lớn dữ liệu huấn luyện và cần thiết lập các lớp và trọng số trong CNN. + Sử dụng mô hình học sâu được đào tạo trước: Hầu hết các ứng dụng học sâu đều sử dụng phương pháp học chuyển đổi, một quá trình bao gồm tinh chỉnh mô hình được đào tạo trước. Chúng ta bắt đầu với một mạng hiện có, chẳng hạn như AlexNet hoặc GoogLeNet và cung cấp dữ liệu mới chứa các lớp chưa biết trước đó.
Phương pháp này tốn ít thời gian hơn và có thể mang lại kết quả nhanh hơn vì mô hình đã được đào tạo trên hàng nghìn hoặc hàng triệu hình ảnh. Học sâu mang lại mức độ chính xác cao nhưng cần một lượng lớn dữ liệu để đưa ra dự đoán chính xác. 3: Ứng dụng học sâu hiển thị nhận dạng đối tượng của thức ăn nhà hàng Nhận dạng đối tượng bằng học máy Các kỹ thuật học máy cũng phổ biến để nhận dạng đối tượng và đưa ra các cách tiếp cận khác với học sâu. Các ví dụ phổ biến về kỹ thuật học máy là: + Trích xuất tính năng HOG với mô hình học máy SVM + Các mô hình túi từ với các tính năng như SURF và MSER + Thuật toán Viola-Jones, có thể được sử dụng để nhận dạng nhiều đối tượng, bao gồm khuôn mặt và phần thân trên Qui trình: Để thực hiện nhận dạng đối tượng bằng cách sử dụng phương pháp học máy tiêu chuẩn, chúng ta cần có một bộ sưu tập hình ảnh (hoặc video) và chọn các tính năng có liên quan trong mỗi hình ảnh.
Ví dụ: thuật toán trích xuất tính năng có thể trích xuất các tính năng cạnh hoặc góc có thể được sử dụng để phân biệt giữa các lớp trong dữ liệu của bạn. Các tính năng này được thêm vào mô hình máy học, mô hình này sẽ phân tách các tính năng này thành các danh mục riêng biệt, sau đó sử dụng thông tin này khi phân tích và phân loại các đối tượng mới. Có thể sử dụng nhiều thuật toán máy học và phương pháp trích xuất tính năng, cung cấp nhiều cách kết hợp để tạo mô hình nhận dạng đối tượng chính xác. 4: Quy trình học máy để nhận dạng đối tượng 7 So sánh học máy và học sâu Việc sử dụng máy học để nhận dạng đối tượng mang đến sự linh hoạt trong việc chọn cách kết hợp tốt nhất giữa các tính năng và bộ phân loại để học.
Nó có thể đạt được kết quả chính xác với dữ liệu tối thiểu. Việc xác định phương pháp tốt nhất để nhận dạng đối tượng tùy thuộc vào ứng dụng và vấn đề cần giải quyết. Trong nhiều trường hợp, học máy có thể là một kỹ thuật hiệu quả, đặc biệt nếu chúng ta biết tính năng hoặc đặc điểm nào của hình ảnh là những tính năng hoặc đặc điểm tốt nhất để sử dụng để phân biệt các lớp đối tượng.