Luận văn thạc sĩ: Nghiên cứu bài toán bóc tách thông tin trong chứng minh thư sử dụng học sâu

• Tác giả: Phạm Văn Dương
• Người hướng dẫn: PGS. Ngô Quốc Tạo
• Trường học: Học viện khoa học và công nghệ Việt Nam
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên cứu bài toán bóc tách thông tin trong chứng minh thư sử dụng học sâu
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ PHÁT HIỆN, NHẬN DẠNG KÝ TỰ, SỰ PHÁT TRIỂN CỦA HỌC MÁY VÀ HỌC SÂU
• 1.1. Tổng quan về phát hiện và nhận dạng ký tự
• 1.2. Sự phát triển của học máy và học sâu
• 1.3. Kết luận chương
• 2. CHƯƠNG 2: GIỚI THIỆU VỀ MẠNG CONVOLUTION NEURAL NETWORK
• 2.1. Giới thiệu sơ lược về CNN
• 2.2. Convolution Layer – Tầng Tích Chập
• 2.3. Strides – Bước nhảy
• 2.4. Padding – Đệm
• 2.5. Non Linearity (ReLU) – Phi tuyến tính
• 3. CHƯƠNG 3: MÔ HÌNH MẠNG PIXELLINK CHO PHÁT HIỆN VĂN BẢN
• 3.1. Cấu trúc mạng
• 3.2. Kết nối các điểm ảnh
• 3.3. Tính toán vùng chính xác
• 3.4. Chuẩn bị dữ liệu và đào tạo
• 3.4.1. Chuẩn bị dữ liệu
• 3.4.2. Dữ liệu thật
• 3.4.3. Dữ liệu được sinh ra
• 3.4.4. Tiền xử lý dữ liệu
• 3.5. Quá trình đào tạo
• 3.7. Kết quả đạt được
• 3.8. Hạn chế của mô hình
• 3.9. Kết luận chương
• 4. CHƯƠNG 4: GIỚI THIỆU VỀ CONVOLUTION RECURRENT NEURAL NETWORK
• 4.1. Giới thiệu bài toán và lợi thế của CRNN
• 4.3. Tầng trích xuất đặc trưng chuỗi
• 4.4. Gán nhãn trình tự
• 4.7. Tóm tắt cấu trúc mô hình
• 4.7.1. Cách tạo dữ liệu và đào tạo
• 4.7.2. Dữ liệu thật
• 4.7.3. Dữ liệu sinh
• 4.7.4. Hạn chế của mô hình
• 4.8. Kết luận chương
• 5. CHƯƠNG 5: CÀI ĐẶT THỬ NGHIỆM VÀ KẾT QUẢ
• 5.2. Mô hình giải quyết bài toán
• 5.3. Môi trường cài đặt
• 5.4. Dữ liệu kiểm thử
• 5.5. Kết quả thực nghiệm
• TÀI LIỆU THAM KHẢO

I. Tổng quan về nghiên cứu bóc tách thông tin chứng minh thư

Nghiên cứu bóc tách thông tin từ chứng minh thư là một lĩnh vực quan trọng trong công nghệ nhận dạng ký tự quang học (OCR). Việc áp dụng học sâu vào bài toán này không chỉ giúp tự động hóa quy trình mà còn nâng cao độ chính xác trong việc trích xuất thông tin. Chứng minh thư là một tài liệu quan trọng chứa nhiều thông tin cá nhân, và việc bóc tách thông tin từ nó có thể hỗ trợ nhiều ứng dụng trong thực tiễn.

1.1. Tầm quan trọng của bóc tách thông tin chứng minh thư

Bóc tách thông tin từ chứng minh thư giúp cải thiện quy trình quản lý dữ liệu cá nhân. Việc này không chỉ tiết kiệm thời gian mà còn giảm thiểu sai sót trong việc nhập liệu.

1.2. Các ứng dụng của công nghệ bóc tách thông tin

Công nghệ này có thể được áp dụng trong nhiều lĩnh vực như ngân hàng, bảo hiểm, và quản lý nhân sự, giúp tự động hóa quy trình xác thực danh tính.

II. Vấn đề và thách thức trong bóc tách thông tin chứng minh thư

Mặc dù công nghệ bóc tách thông tin đã phát triển, nhưng vẫn còn nhiều thách thức cần giải quyết. Các vấn đề như độ chính xác trong nhận diện văn bản, sự đa dạng trong định dạng chứng minh thư, và chất lượng hình ảnh đều ảnh hưởng đến kết quả cuối cùng.

2.1. Độ chính xác trong nhận diện văn bản

Độ chính xác của các mô hình học sâu trong việc nhận diện văn bản từ chứng minh thư thường bị ảnh hưởng bởi chất lượng hình ảnh và độ phức tạp của văn bản.

2.2. Sự đa dạng trong định dạng chứng minh thư

Chứng minh thư có thể có nhiều định dạng khác nhau, điều này tạo ra khó khăn trong việc phát triển một mô hình chung cho tất cả các loại chứng minh thư.

III. Phương pháp học sâu trong bóc tách thông tin chứng minh thư

Phương pháp học sâu đã được áp dụng để giải quyết bài toán bóc tách thông tin từ chứng minh thư. Các mô hình như mạng nơ-ron tích chập (CNN) và mạng nơ-ron hồi quy tích chập (CRNN) đã cho thấy hiệu quả cao trong việc nhận diện và phân loại văn bản.

3.1. Mạng nơ ron tích chập CNN

CNN là một trong những mô hình phổ biến nhất trong việc xử lý hình ảnh. Nó giúp trích xuất đặc trưng từ hình ảnh chứng minh thư một cách hiệu quả.

3.2. Mạng nơ ron hồi quy tích chập CRNN

CRNN kết hợp giữa CNN và RNN, cho phép nhận diện chuỗi ký tự trong chứng minh thư, giúp cải thiện độ chính xác trong việc bóc tách thông tin.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã cho thấy rằng việc áp dụng học sâu vào bóc tách thông tin chứng minh thư mang lại kết quả khả quan. Các mô hình đã được thử nghiệm và cho thấy độ chính xác cao trong việc nhận diện thông tin.

4.1. Kết quả đạt được từ mô hình học sâu

Mô hình học sâu đã đạt được độ chính xác lên đến 95% trong việc nhận diện thông tin từ chứng minh thư, cho thấy tiềm năng lớn trong ứng dụng thực tiễn.

4.2. Ứng dụng trong các lĩnh vực khác

Kết quả nghiên cứu có thể được áp dụng trong nhiều lĩnh vực như quản lý dữ liệu cá nhân, xác thực danh tính trong giao dịch điện tử.

V. Kết luận và hướng phát triển tương lai

Nghiên cứu về bóc tách thông tin chứng minh thư bằng học sâu mở ra nhiều cơ hội mới trong việc tự động hóa quy trình xử lý thông tin. Hướng phát triển trong tương lai có thể tập trung vào việc cải thiện độ chính xác và khả năng áp dụng cho nhiều loại tài liệu khác nhau.

5.1. Hướng phát triển công nghệ

Cần tiếp tục nghiên cứu và phát triển các mô hình học sâu mới để cải thiện độ chính xác và khả năng nhận diện trong các điều kiện khác nhau.

5.2. Tích hợp với các công nghệ khác

Việc tích hợp công nghệ bóc tách thông tin với các hệ thống quản lý dữ liệu hiện có sẽ giúp tối ưu hóa quy trình và nâng cao hiệu quả.