Bối cảnh và vấn đề nghiên cứu

Trong công tác quản trị đại học hiện đại, việc quản lý và kiểm soát danh tính sinh viên là một nhiệm vụ nền tảng nhưng gặp nhiều thách thức, đặc biệt tại các cơ sở đào tạo có quy mô lớn. Việc xác thực thủ công hoặc sử dụng thẻ từ truyền thống thường phát sinh nhiều bất cập về thời gian, chi phí và nguy cơ sai sót trong quá trình kiểm soát điểm danh cũng như an ninh khuôn viên. Trong bối cảnh công nghệ trí tuệ nhân tạo (AI) phát triển mạnh mẽ, việc ứng dụng các mô hình thị giác máy tính, đặc biệt là mạng nơ-ron tích chập (Convolutional Neural Network - CNN), vào hệ thống quản lý giáo dục đang trở thành một xu hướng tất yếu nhằm tối ưu hóa quy trình vận hành.

Đồ án tốt nghiệp "Research on CNN applied in face recognition of International School students" (Nghiên cứu ứng dụng mạng nơ-ron tích chập trong nhận diện khuôn mặt sinh viên Trường Quốc tế) được thực hiện bởi sinh viên Lê Thùy Hằng, chuyên ngành Kỹ thuật Tin học và Máy tính (Informatics and Computer Engineering), dưới sự hướng dẫn của TS. Lê Trung Thành tại Trường Quốc tế – Đại học Quốc gia Hà Nội vào năm 2023. Đề tài tập trung giải quyết bài toán tự động hóa nhận diện sinh viên thông qua hình ảnh khuôn mặt nhằm nâng cao hiệu quả quản trị và tiết kiệm chi phí vận hành.

Tác giả xác định 4 mục tiêu nghiên cứu cụ thể bao gồm:

  1. Thu thập dữ liệu hình ảnh sinh viên từ các nguồn khác nhau và thực hiện tiền xử lý dữ liệu để chuẩn bị cho quá trình huấn luyện mô hình CNN.
  2. Huấn luyện mô hình CNN trên tập dữ liệu ảnh sinh viên đã thu thập và đánh giá hiệu quả vận hành của mô hình.
  3. Ứng dụng mô hình CNN đã huấn luyện để nhận diện sinh viên trong điều kiện thực tế và đánh giá độ chính xác của hệ thống nhận dạng.
  4. So sánh hiệu quả của mô hình CNN với các phương pháp nhận diện truyền thống nhằm xác định rõ đóng góp khoa học và thực tiễn của nghiên cứu.

Đối tượng nghiên cứu của đồ án là các đặc trưng hình ảnh khuôn mặt của sinh viên Trường Quốc tế – Đại học Quốc gia Hà Nội. Phạm vi thực nghiệm của đề tài giới hạn trong không gian phòng thí nghiệm và khuôn viên nhà trường, sử dụng tập dữ liệu ảnh thu thập từ các sinh viên tham gia thực hiện đề tài tại Hà Nội trong năm 2023.


Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình tính toán

Nghiên cứu xây dựng nền tảng lý luận dựa trên sự phát triển từ mạng nơ-ron sinh học sang mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) và mạng nơ-ron tích chập (CNN). Cấu trúc nơ-ron nhân tạo tính toán tổng có trọng số của các đầu vào kết hợp với độ lệch (bias) theo công thức:

$$z = \sum_{i=1}^{n} w_i x_i + b$$

Đầu ra của nơ-ron được xác định qua hàm kích hoạt $Y_j = f(z)$. Trong mạng học sâu, tác giả phân tích và so sánh các hàm kích hoạt phi tuyến tính cơ bản:

  • Hàm Sigmoid: $f(x) = \frac{1}{1 + e^{-x}}$, biến đổi giá trị đầu vào về khoảng $(0, 1)$, thường dùng trong phân loại nhị phân nhưng dễ gây bão hòa gradient.
  • Hàm Tanh: $f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}} = 2 \cdot \text{sigmoid}(2x) - 1$, đối xứng qua gốc tọa độ với miền giá trị $(-1, 1)$, tuy nhiên vẫn xuất hiện hiện tượng triệt tiêu gradient ("dead neurons").
  • Hàm ReLU (Rectified Linear Unit): $f(x) = \max(0, x)$, do Nair và Hinton đề xuất năm 2010, giúp tăng tốc độ hội tụ và giảm thiểu suy giảm gradient ở các lớp ẩn.
  • Hàm Softmax: Sử dụng ở lớp đầu ra cho bài toán phân loại đa lớp để chuyển đổi vector đặc trưng thành phân phối xác suất có tổng bằng 1:

$$P(y=i|z) = \frac{e^{z_i}}{\sum_{j} e^{z_j}}$$

Về mặt kiến trúc, đồ án tổng hợp lý thuyết của hai mô hình CNN tiêu biểu:

  • VGG16: Cấu trúc sâu gồm 16 đến 19 lớp trọng số (Configurations A–E), sử dụng các bộ lọc tích chập nhỏ kích thước $3 \times 3$, tích chập $1 \times 1$ nhằm tăng tính phi tuyến, 5 lớp Max Pooling kích thước $2 \times 2$ (stride = 2) và 3 lớp kết nối đầy đủ (Fully Connected - FC) với các chiều 4096, 4096 và 1000.
  • AlexNet: Kiến trúc từng đạt giải nhất cuộc thi LSVRC 2012, bao gồm 8 lớp (5 lớp tích chập và 3 lớp Fully Connected). AlexNet tích hợp các kỹ thuật đặc thù như hàm kích hoạt ReLU, chuẩn hóa kênh chéo (Cross-Channel Normalization - CCN), lớp gộp Max Pooling chồng lấn, và kỹ thuật ngắt nơ-ron ngẫu nhiên (Dropout) với tỷ lệ 0.5 ở các lớp ẩn để chống hiện tượng quá khớp (overfitting).

Hàm mất mát của mô hình kết hợp giữa hàm mất mát Cross-Entropy phân loại đa lớp và thành phần điều chuẩn Regularization Loss để kiểm soát độ lớn trọng số:

$$L = - \sum p(x) \log(q(x)) + \frac{1}{2}\lambda \sum w^2$$

Phương pháp nghiên cứu và nguồn dữ liệu

Nghiên cứu sử dụng phương pháp thực nghiệm kỹ thuật và học máy có giám sát:

  • Thu thập dữ liệu: Sử dụng phần cứng webcam máy tính và gói công cụ MATLAB Support Package for USB Webcams để ghi hình trực tiếp.
  • Phát hiện khuôn mặt: Ứng dụng thuật toán Viola-Jones thông qua đối tượng vision.CascadeObjectDetector trong MATLAB để tự động định vị và trích xuất tọa độ vùng khuôn mặt $[x, y, \text{width}, \text{height}]$.
  • Tăng cường dữ liệu (Data Augmentation): Áp dụng biến đổi hình học ngẫu nhiên nhằm làm phong phú tập huấn luyện.
  • Tối ưu hóa: Sử dụng thuật toán Stochastic Gradient Descent with Momentum (SGDM) để cập nhật trọng số mạng.

Thiết kế và triển khai hệ thống

Hệ thống nhận diện khuôn mặt được thiết kế và triển khai hoàn toàn trong môi trường tính toán số MATLAB. Quy trình kỹ thuật bao gồm các giai đoạn chuẩn hóa từ thu nhận tín hiệu camera đến cấu hình mạng học sâu.

1. Thu thập dữ liệu và thông số camera

Quá trình ghi hình sử dụng thiết bị webcam tích hợp ("HD User Facing") với các thiết lập phần cứng được kiểm soát qua MATLAB:

  • Độ phân giải: Hỗ trợ $1280 \times 720$, $640 \times 480$ và $640 \times 360$; cấu hình thực nghiệm đặt tại $1280 \times 720$.
  • Các thông số quang học: Saturation = 64, Gain = 64, Gamma = 300, Sharpness = 50, WhiteBalance = 4600, Contrast = 50, Brightness = -3, Exposure = -6, WhiteBalanceMode và ExposureMode đặt ở chế độ "auto".

Hệ thống chụp liên tục 500 khung hình cho mỗi đối tượng (sample_images = 500). Thuật toán Viola-Jones tự động phát hiện và cắt khung chứa khuôn mặt, lưu trữ dưới định dạng .jpg.

Đối tượng (Thư mục nhãn) Số lượng ảnh thu thập
Sinh viên Lê Thùy Hằng 739 ảnh
Sinh viên Nguyễn Đình Hiếu 493 ảnh
Tổng cộng 1.232 ảnh

2. Tiền xử lý và tăng cường dữ liệu

  • Cắt ảnh (Cropping): Loại bỏ nhiễu từ phông nền, cổ áo và tóc xung quanh; ảnh gốc kích thước $1440 \times 1800$ được cắt gọn thành các khung ảnh mặt có kích thước $584 \times 584$ hoặc $717 \times 717$ pixel.
  • Chuẩn hóa kích thước (Resizing): Toàn bộ ảnh được đưa về kích thước cố định $224 \times 224$ pixel (và $227 \times 227 \times 3$ tương thích với đầu vào lớp tích chập thứ nhất của AlexNet).
  • Phân chia dữ liệu: Tập dữ liệu được chia theo tỷ lệ 70% dành cho huấn luyện (Training set) và 30% dành cho kiểm định (Validation/Test set). Dữ liệu được xáo trộn ngẫu nhiên thông qua tham số 'randomized' để triệt tiêu thiên vị thứ tự.
  • Tăng cường dữ liệu (imageDataAugmenter):
    • Xoay ngẫu nhiên (RandRotation): $[-90^\circ, 90^\circ]$.
    • Tỷ lệ co giãn ngẫu nhiên (RandScale): $[1, 2]$.
    • Phản chiếu gương ngang (RandXReflection): true.

3. Cấu trúc mạng AlexNet tùy biến 8 lớp

Mô hình mạng được xây dựng theo kiến trúc AlexNet gồm 8 lớp xử lý:

  1. Lớp 1 (Convolution 1): Đầu vào kích thước $227 \times 227 \times 3$; 96 bộ lọc kích thước $11 \times 11 \times 3$; bước trượt stride = 1, padding = 0 tạo ra 96 feature maps kích thước $217 \times 217$. Tiếp nối bởi hàm kích hoạt ReLU, lớp Cross-Channel Normalization (Window Channel Size = 5, $\alpha = 0.0001$, $\beta = 0.75$, $K = 1$), và lớp Max Pooling $3 \times 3$ (stride = $2 \times 2$, padding = 0).
  2. Lớp 2 (Convolution 2): Sử dụng tích chập nhóm (GroupedConvolution) với 256 bộ lọc kích thước $5 \times 5$, kèm lớp Max Pooling.
  3. Lớp 3 (Convolution 3): 384 bộ lọc kích thước $3 \times 3$, stride = 1, kích hoạt ReLU.
  4. Lớp 4 (Convolution 4): 384 bộ lọc kích thước $3 \times 3$, tích hợp lớp Dropout với tỷ lệ loại bỏ 0.5.
  5. Lớp 5 (Convolution 5): 256 bộ lọc kích thước $3 \times 3$, đưa qua lớp Max Pooling $3 \times 3$ (stride = 2) tạo ra tensor kích thước $6 \times 6 \times 256$ (tương đương vector 9.216 chiều).
  6. Lớp 6 (Fully Connected 1): Lớp kết nối đầy đủ với 4.096 nơ-ron, kích hoạt ReLU và Dropout.
  7. Lớp 7 (Fully Connected 2): Lớp kết nối đầy đủ với 4.096 nơ-ron, kích hoạt ReLU và Dropout.
  8. Lớp 8 (Fully Connected 3 - Output Layer): Lớp phân loại kết nối đầy đủ gồm 2 nơ-ron (tương ứng 2 nhãn sinh viên), kết hợp hàm kích hoạt Softmax để xuất xác suất phân loại.

Nội dung chính theo từng chương

Chapter 1: Introduction to the topic

Chương mở đầu trình bày tính cấp thiết khoa học và thực tiễn của việc nhận diện khuôn mặt sinh viên trong quản lý giáo dục tại Trường Quốc tế – Đại học Quốc gia Hà Nội. Tác giả nêu rõ mục tiêu nghiên cứu, lý do lựa chọn mạng CNN nhờ khả năng tự động học trích xuất đặc trưng hình ảnh vượt trội so với các thuật toán truyền thống, phương pháp nghiên cứu 6 bước và bố cục đồ án gồm 5 chương.

Chapter II: Theoretical basic

Chương 2 thiết lập cơ sở lý thuyết toán học và mô hình hóa cho hệ thống. Nội dung bao gồm nguyên lý hoạt động của mạng nơ-ron sinh học, mạng nơ-ron nhân tạo (ANN), và các khối chức năng của CNN (lớp tích chập, lớp gộp Max Pooling, lớp kết nối đầy đủ). Tác giả so sánh chi tiết 4 hàm kích hoạt (Sigmoid, Tanh, ReLU, Softmax), phân tích kiến trúc mạng VGG16 (các cấu hình chiều sâu, bộ lọc $3 \times 3$, $1 \times 1$) và cấu trúc chi tiết mạng AlexNet 8 lớp, cùng cơ chế điều chuẩn Dropout và hàm mất mát Cross-Entropy.

Chapter III: Design and build models

Chương 3 mô tả chi tiết quá trình thiết kế và thực thi hệ thống trên MATLAB. Các nội dung thực nghiệm chính bao gồm: kết nối và hiệu chỉnh camera qua MATLAB Support Package for USB Webcams, sử dụng vision.CascadeObjectDetector (Viola-Jones) để tự động hóa trích xuất khuôn mặt, quy trình tiền xử lý (cắt ảnh từ $1440 \times 1800$ xuống $584 \times 584$, chuẩn hóa kích thước về $224 \times 224$ / $227 \times 227$), phân chia tập huấn luyện/kiểm định theo tỷ lệ 70/30 với cơ chế xáo trộn ngẫu nhiên, áp dụng kỹ thuật imageDataAugmenter, và thiết lập chi tiết 8 lớp của mạng AlexNet tùy biến.

Chapter 4: Results and Discussion

Chương 4 tập trung vào việc thử nghiệm tham số huấn luyện, phân tích lỗi và đánh giá hiệu năng mô hình qua 3 trường hợp thực nghiệm. Tác giả ghi nhận quá trình điều chỉnh siêu tham số tối ưu (InitialLearnRate, MiniBatchSize), phân tích đồ thị hội tụ của hàm mất mát và độ chính xác, đồng thời kiểm thử tính hiệu quả của mô hình trên tập kiểm định tĩnh, nhận diện thời gian thực qua webcam máy tính và kiểm thử ngoại suy trên ảnh lấy từ thiết bị/nguồn dữ liệu khác (Instagram).

Chapter V: Conclusion and development direction

Chương kết luận tổng hợp các kết quả đạt được trong việc làm chủ quy trình thu thập dữ liệu, huấn luyện mạng CNN trên MATLAB và ứng dụng nhận diện sinh viên. Đồng thời, tác giả đề xuất các định hướng mở rộng nghiên cứu sang nhận diện nhiều đối tượng khác như biển số xe, đồ vật và mở rộng quy mô dữ liệu toàn trường.


Kết quả và đóng góp

Kết quả thực nghiệm và hiệu chỉnh siêu tham số

Trong giai đoạn đầu của quá trình huấn luyện, mô hình được cấu hình với các tham số: InitialLearnRate = 0.01, MiniBatchSize = 128, Shuffle = "every-epoch", và thuật toán tối ưu sgdm. Kết quả huấn luyện thất bại do giá trị hàm mất mát (Training Loss) tăng quá nhanh dẫn đến trạng thái NaN (Not a Number) vì hiện tượng bùng nổ gradient.

Để khắc phục, tác giả đã tiến hành điều chỉnh tham số: hạ tốc độ học ban đầu xuống InitialLearnRate = 0.001 và giảm kích thước mini-batch xuống MiniBatchSize = 64. Việc giảm tốc độ học giúp quá trình cập nhật trọng số diễn ra với bước dịch chuyển nhỏ hơn trong không gian tìm kiếm, đảm bảo khả năng hội tụ về cực tiểu cục bộ.

Lần thử nghiệm InitialLearnRate MiniBatchSize Thuật toán tối ưu Hiện tượng / Kết quả ban đầu Kết quả sau 40 Epochs
Lần 1 0.01 128 SGDM Training Loss thành NaN (phát nổ gradient, huấn luyện dừng) Không hoàn thành
Lần 2 (Hiệu chỉnh) 0.001 64 SGDM Iteration 1: Mini-batch Acc = 35,94%, Val Acc $\approx$ 62%, Mini-batch Loss = 1,8353 Val Accuracy đạt 100%, Loss giảm sâu và tối ưu

Sau khi tối ưu hóa tham số, độ chính xác trên tập kiểm định (Validation Accuracy) tăng đều đặn từ khoảng 60% và đạt ngưỡng 100% khi số lượng epoch đạt 40. Giá trị hàm mất mát giảm dần về mức tối thiểu, biểu thị trạng thái hội tụ hoàn chỉnh.

Kết quả đánh giá trên các trường hợp kiểm thử thực tế

  • Trường hợp 1 (Kiểm thử trên ảnh khác trong tập dữ liệu): Mô hình dự đoán nhãn chính xác tuyệt đối, đạt tỷ lệ chính xác 100%.
  • Trường hợp 2 (Nhận diện thời gian thực qua webcam máy tính để bàn): Hệ thống nhận dạng khuôn mặt trực tiếp qua luồng video thời gian thực đạt độ chính xác 100%.
  • Trường hợp 3 (Nhận diện qua ảnh chụp từ thiết bị khác / Instagram): Độ chính xác bị suy giảm và xuất hiện trường hợp nhầm lẫn giữa các cá nhân do hình ảnh bị mờ, độ phân giải thay đổi và góc nghiêng khuôn mặt không đủ chuẩn so với dữ liệu huấn luyện.

Đóng góp của đề tài

  1. Xây dựng hoàn chỉnh đường ống xử lý (pipeline) từ thu thập dữ liệu tự động bằng thuật toán Viola-Jones, tiền xử lý, tăng cường dữ liệu đến huấn luyện mô hình học sâu CNN trên MATLAB.
  2. Chứng minh tính khả thi của việc ứng dụng mô hình AlexNet tùy biến trong bài toán nhận diện khuôn mặt sinh viên với độ chính xác đạt 100% trong điều kiện chuẩn hóa.
  3. Đưa ra giải pháp kỹ thuật cụ thể xử lý lỗi phân kỳ gradient (NaN loss) thông qua việc tinh chỉnh tốc độ học và kích thước mini-batch.

Hạn chế và hướng nghiên cứu tiếp

Từ kết quả thực nghiệm, tác giả và văn bản báo cáo chỉ ra các điểm hạn chế cùng hướng phát triển tiếp theo:

Hạn chế

  • Quy mô tập dữ liệu còn nhỏ: Dữ liệu thực nghiệm mới chỉ giới hạn ở 2 đối tượng sinh viên thực hiện đề tài (Lê Thùy Hằng: 739 ảnh, Nguyễn Đình Hiếu: 493 ảnh), chưa phản ánh đầy đủ độ phức tạp của bài toán phân loại đa lớp khi áp dụng cho toàn bộ sinh viên trong trường.
  • Tính ổn định với dữ liệu ngoài miền phân phối (OOD): Mô hình hoạt động kém ổn định khi tiếp nhận ảnh từ các thiết bị khác hoặc ảnh mạng xã hội có chất lượng mờ, ánh sáng không đồng đều và góc nghiêng khuôn mặt lệch chuẩn.

Hướng nghiên cứu tiếp

  • Mở rộng quy mô tập dữ liệu khuôn mặt cho toàn bộ sinh viên Trường Quốc tế – Đại học Quốc gia Hà Nội để kiểm thử năng lực phân loại của mô hình trên số lượng lớp lớn.
  • Phát triển và mở rộng mô hình CNN sang các bài toán nhận diện đa dạng khác phục vụ quản trị trường học và giao thông như: nhận diện biển số xe, nhận diện đồ vật, điểm danh tự động tại cửa phòng học.
  • Nâng cao độ bền vững của mô hình đối với các điều kiện hình ảnh phức tạp (ảnh mờ, thiếu sáng, góc nghiêng lớn, khuôn mặt bị che khuất một phần).

Giá trị tham khảo

Đồ án tốt nghiệp là tài liệu tham khảo hữu ích cho các đối tượng sau:

  • Sinh viên chuyên ngành Công nghệ thông tin, Kỹ thuật máy tính, Khoa học dữ liệu: Tham khảo phương pháp xây dựng đường ống thị giác máy tính thực tế trên nền tảng MATLAB, kết hợp giữa thuật toán truyền thống (Viola-Jones) để định vị khuôn mặt và mạng học sâu (CNN) để phân loại.
  • Người nghiên cứu về tối ưu hóa mô hình học sâu: Cung cấp trường hợp nghiên cứu điển hình về việc phát hiện và khắc phục hiện tượng mất mát chuyển thành NaN trong quá trình huấn luyện bằng cách điều chỉnh tốc độ học (InitialLearnRate) và MiniBatchSize.
  • Kỹ sư triển khai hệ thống quản trị giáo dục: Tham khảo thiết kế kiến trúc hệ thống điểm danh hoặc kiểm soát an ninh tự động bằng nhận diện khuôn mặt mức độ cơ sở.

Câu hỏi thường gặp

1. Tại sao mô hình gặp lỗi Training Loss chuyển thành "NaN" trong lần huấn luyện đầu tiên và tác giả đã khắc phục như thế nào?

Trong lần huấn luyện đầu, tác giả thiết lập tốc độ học ban đầu quá cao (InitialLearnRate = 0.01) cùng kích thước mini-batch lớn (MiniBatchSize = 128). Điều này khiến độ lớn của các bước cập nhật trọng số vượt quá ngưỡng ổn định của hàm mục tiêu, dẫn đến hiện tượng bùng nổ gradient và làm giá trị mất mát biến thành NaN. Tác giả đã khắc phục bằng cách hạ InitialLearnRate xuống 0.001 để bước dịch chuyển trong không gian tìm kiếm nhỏ lại, đồng thời giảm MiniBatchSize xuống 64, giúp mạng hội tụ ổn định và đạt độ chính xác 100%.

2. Dữ liệu hình ảnh khuôn mặt được thu thập và phân chia như thế nào trong đồ án?

Dữ liệu được thu thập tự động từ webcam thiết bị ở độ phân giải $1280 \times 720$ với 500 ảnh chụp liên tục cho mỗi sinh viên, sau đó được thuật toán Viola-Jones cắt vùng khuôn mặt. Tổng số ảnh sau sàng lọc gồm 739 ảnh của sinh viên Lê Thùy Hằng và 493 ảnh của sinh viên Nguyễn Đình Hiếu (tổng cộng 1.232 ảnh). Tập dữ liệu được phân chia theo tỷ lệ 70% dành cho huấn luyện (Training set) và 30% dành cho kiểm định (Validation set) kèm cơ chế xáo trộn ngẫu nhiên (randomized).

3. Kỹ thuật tăng cường dữ liệu (Data Augmentation) được thiết lập với những tham số nào?

Tác giả sử dụng hàm imageDataAugmenter trong MATLAB với 3 tham số biến đổi hình học ngẫu nhiên:

  • RandRotation trong khoảng $[-90^\circ, 90^\circ]$: Xoay ảnh ngẫu nhiên để mô phỏng các góc nghiêng đầu.
  • RandScale trong khoảng $[1, 2]$: Phóng to hoặc thu nhỏ ảnh ngẫu nhiên để thay đổi tỷ lệ kích thước khuôn mặt.
  • RandXReflection đặt giá trị true: Lật ảnh theo trục ngang ngẫu nhiên.

4. Kiến trúc mạng AlexNet trong đề tài có những điều chỉnh gì so với mô hình gốc?

Mô hình giữ cấu trúc nền tảng gồm 8 lớp nhưng được tinh chỉnh để tương thích với bài toán: Lớp đầu vào nhận kích thước ảnh $227 \times 227 \times 3$; lớp tích chập 1 dùng 96 bộ lọc $11 \times 11$, stride = 1; lớp tích chập 4 và các lớp Fully Connected (lớp 6, lớp 7) tích hợp kỹ thuật Dropout với xác suất ngắt nơ-ron 0.5; và lớp đầu ra (lớp 8) được cấu hình 2 nơ-ron tương ứng với 2 nhãn sinh viên cần phân loại kết hợp hàm kích hoạt Softmax.

5. Kết quả nhận diện thực tế của mô hình trong 3 trường hợp thử nghiệm ra sao?

Mô hình đạt độ chính xác tuyệt đối 100% trong 2 trường hợp: kiểm thử trên tập ảnh kiểm định độc lập trong bộ dữ liệu và nhận diện trực tiếp thời gian thực qua webcam máy tính. Tuy nhiên, ở trường hợp 3 khi kiểm thử trên ảnh chụp từ thiết bị khác (ảnh mạng xã hội Instagram), độ chính xác bị suy giảm và xuất hiện nhầm lẫn do ảnh bị mờ và khuôn mặt không đủ góc nghiêng chuẩn mực.


Kết luận

Đồ án tốt nghiệp của sinh viên Lê Thùy Hằng đã nghiên cứu và triển khai thành công mô hình mạng nơ-ron tích chập (CNN) dựa trên kiến trúc AlexNet tùy biến để nhận diện khuôn mặt sinh viên Trường Quốc tế – Đại học Quốc gia Hà Nội trên nền tảng MATLAB. Hệ thống hoàn thiện toàn bộ chu trình kỹ thuật từ thu nhận ảnh tự động qua webcam bằng thuật toán Viola-Jones, tiền xử lý cắt và chuẩn hóa ảnh kích thước $224 \times 224$, tăng cường dữ liệu, cho đến tối ưu hóa siêu tham số huấn luyện đạt độ chính xác 100% trên tập thực nghiệm và nhận diện thời gian thực. Mặc dù vẫn còn hạn chế về quy mô tập mẫu (2 đối tượng sinh viên) và độ nhạy trước các hình ảnh ngoại lai chất lượng thấp, công trình đã chứng minh tính khả thi cao và tạo tiền đề vững chắc cho việc mở rộng ứng dụng AI trong quản trị sinh viên cũng như nhận dạng vật thể trong môi trường đại học.