Phân loại hình ảnh động vật sử dụng mạng nơ-ron tích chập và ứng dụng

Khóa luận tốt nghiệp nghiên cứu phân loại hình ảnh động vật sử dụng mạng nơ ron tích chập và ứng dụng, vận dụng lý thuyết vào thực tế, đề xuất giải pháp cụ thể cho vấn đề .

• Tác giả: Trần Hải Thành
• Người hướng dẫn: TS. Ngô Trường Giang
• Trường học: Trường Đại học Quản lý và Công nghệ Hải Phòng
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Phân loại hình ảnh động vật sử dụng mạng nơ-ron tích chập và ứng dụng
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hải Phòng

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY
• 1.1. Giới thiệu về học máy (Machine Learning)
• 1.2. Nguyên tắc hoạt động
• 1.3. Ứng dụng của học máy trong thực tế
• 1.4. Ưu điểm và nhược điểm của học máy
• 2. CHƯƠNG 2: MẠNG NƠ-RON TÍCH CHẬP
• 2.1. Giới thiệu về mạng nơ-ron
• 2.2. Giới thiệu về mạng nơ-ron tích chập (Convolutional Neural Network - CNN)
• 3. CHƯƠNG 3: ỨNG DỤNG CỦA MẠNG NƠ-RON TÍCH CHẬP CHO PHÂN LỚP ẢNH
• 3.1. Môi trường thử nghiệm
• 3.2. Giới thiệu về ngôn ngữ lập trình Python
• 3.3. Thu thập dữ liệu
• 3.4. Tiền xử lý dữ liệu
• 3.5. Xây dựng mô hình
• 3.5.1. Xây dựng tầng cho mô hình
• 3.5.2. Biên dịch và huấn luyện mô hình
• 3.6. Đánh giá mô hình
• 3.7. Một số kết quả thử nghiệm
• 3.7.1. Xây dựng hàm dự đoán 1 ảnh
• 3.7.2. Thử nghiệm với tập ảnh test
• 3.7.3. Thử nghiệm với tập ảnh huấn luyện
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phân loại hình ảnh động vật bằng mạng nơ ron tích chập

Phân loại hình ảnh động vật là một trong những ứng dụng quan trọng của công nghệ học sâu. Sử dụng mạng nơ-ron tích chập (CNN), quá trình này cho phép máy tính nhận diện và phân loại các loài động vật từ hình ảnh. CNN có khả năng học các đặc trưng phức tạp từ dữ liệu hình ảnh, giúp cải thiện độ chính xác trong việc phân loại. Việc áp dụng CNN trong phân loại hình ảnh động vật không chỉ mang lại hiệu quả cao mà còn mở ra nhiều cơ hội nghiên cứu mới trong lĩnh vực này.

1.1. Ứng dụng của mạng nơ ron tích chập trong phân loại hình ảnh

Mạng nơ-ron tích chập đã được áp dụng rộng rãi trong việc phân loại hình ảnh động vật. Các mô hình CNN có khả năng phát hiện các đặc điểm như hình dáng, màu sắc và kết cấu của động vật, từ đó phân loại chính xác hơn. Việc sử dụng CNN giúp giảm thiểu sai sót trong quá trình nhận diện và tăng cường độ tin cậy của hệ thống.

1.2. Lợi ích của việc sử dụng học sâu trong phân loại hình ảnh

Học sâu mang lại nhiều lợi ích cho việc phân loại hình ảnh động vật. Đầu tiên, nó cho phép xử lý lượng dữ liệu lớn mà không cần can thiệp thủ công. Thứ hai, khả năng tự học từ dữ liệu giúp cải thiện độ chính xác theo thời gian. Cuối cùng, việc áp dụng học sâu giúp phát hiện các mẫu phức tạp mà các phương pháp truyền thống không thể nhận diện.

II. Thách thức trong phân loại hình ảnh động vật bằng mạng nơ ron tích chập

Mặc dù có nhiều lợi ích, việc phân loại hình ảnh động vật bằng mạng nơ-ron tích chập cũng gặp phải một số thách thức. Một trong những vấn đề chính là yêu cầu về dữ liệu huấn luyện. Để đạt được độ chính xác cao, cần có một lượng lớn dữ liệu hình ảnh được gán nhãn. Ngoài ra, việc xử lý các hình ảnh có độ phân giải khác nhau cũng là một thách thức lớn.

2.1. Vấn đề về dữ liệu huấn luyện

Dữ liệu huấn luyện là yếu tố quyết định đến hiệu suất của mô hình. Việc thu thập và gán nhãn dữ liệu hình ảnh động vật là một quá trình tốn thời gian và công sức. Nếu dữ liệu không đủ đa dạng, mô hình có thể gặp khó khăn trong việc nhận diện các loài động vật khác nhau.

2.2. Khó khăn trong việc xử lý hình ảnh

Hình ảnh động vật có thể có nhiều biến thể về màu sắc, kích thước và hình dáng. Điều này tạo ra khó khăn trong việc xây dựng mô hình phân loại chính xác. Các kỹ thuật tiền xử lý hình ảnh như chuẩn hóa và tăng cường dữ liệu là cần thiết để cải thiện hiệu suất của mô hình.

III. Phương pháp xây dựng mô hình phân loại hình ảnh động vật

Để xây dựng mô hình phân loại hình ảnh động vật hiệu quả, cần thực hiện một số bước quan trọng. Đầu tiên, thu thập và tiền xử lý dữ liệu là rất cần thiết. Sau đó, lựa chọn kiến trúc mạng nơ-ron phù hợp và huấn luyện mô hình với dữ liệu đã chuẩn bị. Cuối cùng, đánh giá và tối ưu hóa mô hình để đạt được kết quả tốt nhất.

3.1. Quy trình thu thập và tiền xử lý dữ liệu

Quy trình này bao gồm việc thu thập hình ảnh động vật từ nhiều nguồn khác nhau và gán nhãn cho chúng. Sau đó, dữ liệu cần được tiền xử lý để loại bỏ các hình ảnh không phù hợp và chuẩn hóa kích thước hình ảnh. Việc này giúp mô hình học hiệu quả hơn từ dữ liệu.

3.2. Lựa chọn kiến trúc mạng nơ ron phù hợp

Việc lựa chọn kiến trúc mạng nơ-ron tích chập phù hợp là rất quan trọng. Các kiến trúc như VGG, ResNet hay Inception có thể được sử dụng tùy thuộc vào yêu cầu cụ thể của bài toán. Mỗi kiến trúc có những ưu điểm và nhược điểm riêng, cần được xem xét kỹ lưỡng.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả từ việc áp dụng mạng nơ-ron tích chập trong phân loại hình ảnh động vật cho thấy độ chính xác cao và khả năng nhận diện tốt. Các mô hình đã được thử nghiệm trên nhiều tập dữ liệu khác nhau và cho thấy khả năng phân loại chính xác các loài động vật. Ứng dụng của công nghệ này không chỉ trong nghiên cứu mà còn trong thực tiễn như bảo tồn động vật và quản lý hệ sinh thái.

4.1. Kết quả thử nghiệm mô hình

Mô hình phân loại hình ảnh động vật đã đạt được độ chính xác lên đến 95% trong các thử nghiệm. Điều này cho thấy khả năng của mạng nơ-ron tích chập trong việc nhận diện và phân loại các loài động vật khác nhau một cách hiệu quả.

4.2. Ứng dụng trong bảo tồn động vật

Công nghệ phân loại hình ảnh động vật có thể được áp dụng trong các dự án bảo tồn động vật hoang dã. Việc nhận diện và theo dõi các loài động vật giúp các nhà nghiên cứu có thể đưa ra các biện pháp bảo vệ hiệu quả hơn.

V. Kết luận và tương lai của phân loại hình ảnh động vật

Phân loại hình ảnh động vật bằng mạng nơ-ron tích chập đang mở ra nhiều cơ hội mới trong nghiên cứu và ứng dụng thực tiễn. Tương lai của công nghệ này hứa hẹn sẽ mang lại nhiều tiến bộ trong việc nhận diện và bảo tồn động vật. Việc cải thiện các thuật toán và mô hình sẽ giúp nâng cao độ chính xác và khả năng ứng dụng trong nhiều lĩnh vực khác nhau.

5.1. Triển vọng phát triển công nghệ

Công nghệ phân loại hình ảnh động vật sẽ tiếp tục phát triển với sự hỗ trợ của các nghiên cứu mới trong lĩnh vực học sâu. Các mô hình ngày càng tinh vi hơn sẽ giúp cải thiện khả năng nhận diện và phân loại.

5.2. Tác động đến nghiên cứu và bảo tồn

Việc áp dụng công nghệ này trong nghiên cứu và bảo tồn động vật sẽ có tác động tích cực đến việc bảo vệ các loài động vật đang gặp nguy hiểm. Công nghệ sẽ giúp các nhà khoa học theo dõi và nghiên cứu các loài động vật một cách hiệu quả hơn.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong lĩnh vực trí tuệ nhân tạo (AI) và thị giác máy tính, việc tự động nhận diện và phân loại hình ảnh là một trong những bài toán nền tảng với nhiều ứng dụng thực tiễn, từ nhận diện khuôn mặt, phát hiện đối tượng đến phân loại sinh vật. Sự phát triển của các mạng nơ-ron sâu (Deep Learning), đặc biệt là kiến trúc mạng nơ-ron tích chập (Convolutional Neural Network - CNN), đã tạo ra bước tiến lớn trong việc tự động rút trích các đặc trưng phân cấp từ dữ liệu ảnh mà không cần sự can thiệp thủ công của con người.

Khóa luận tốt nghiệp đại học ngành Công nghệ thông tin của sinh viên Trần Hải Thành (Mã sinh viên: 2012111008, Lớp CT2401C, Trường Đại học Quản lý và Công nghệ Hải Phòng, dưới sự hướng dẫn của TS. Ngô Trường Giang) tập trung giải quyết bài toán thị giác máy tính kinh điển: phân loại hình ảnh hai loài động vật quen thuộc là chó và mèo.

Các mục tiêu và nhiệm vụ nghiên cứu được văn bản xác định cụ thể bao gồm:

1. Nghiên cứu tổng quan về cơ sở lý thuyết của học máy (Machine Learning) và học sâu (Deep Learning), làm rõ quy trình xây dựng các mô hình phân lớp dữ liệu và nhận dạng ảnh.
2. Tìm hiểu chi tiết nguyên lý hoạt động, cấu trúc tầng và các ưu, nhược điểm của kiến trúc mạng nơ-ron tích chập (CNN).
3. Thiết lập môi trường thực nghiệm dựa trên nền tảng đám mây Google Colab, chuẩn bị dữ liệu hình ảnh, tiền xử lý và xây dựng mô hình CNN sử dụng ngôn ngữ lập trình Python và thư viện Keras/TensorFlow.
4. Huấn luyện mô hình, tinh chỉnh siêu tham số thông qua hàm callback, thực hiện đánh giá độ chính xác tổng quát và kiểm thử khả năng dự đoán trên từng mẫu ảnh đơn lẻ.

Đối tượng và phạm vi nghiên cứu của đồ án:

• Đối tượng nghiên cứu: Các thuật toán học sâu, trọng tâm là mạng nơ-ron tích chập (CNN) và kỹ thuật phân loại hình ảnh nhị phân.
• Phạm vi dữ liệu: Bộ dữ liệu hình ảnh "Dog-vs-Cat" được thu thập từ nền tảng Kaggle, gồm 9.896 bức ảnh được gán nhãn thuộc hai lớp chó và mèo.
• Phạm vi không gian và thời gian: Đồ án được thực hiện trong khuôn khổ chương trình đào tạo đại học hệ chính quy tại Trường Đại học Quản lý và Công nghệ Hải Phòng, hoàn thành và nghiệm thu năm 2023.

---

Cơ sở lý thuyết và phương pháp

Khóa luận được xây dựng dựa trên hệ thống cơ sở lý thuyết chuẩn mực của ngành trí tuệ nhân tạo, bao gồm các khái niệm, quy trình và mô hình toán học - tính toán sau:

• Hệ thống phân cấp AI - ML - DL: Đồ án xác định rõ học máy là tập con của trí tuệ nhân tạo, và học sâu là một phân nhánh chuyên sâu của học máy sử dụng các mạng nơ-ron nhân tạo nhiều tầng. Văn bản phân định bốn phương pháp học máy cơ bản: học có giám sát (Supervised Learning), học không giám sát (Unsupervised Learning), học bán giám sát (Semi-supervised Learning) và học tăng cường (Reinforcement Learning).
• Mô hình mạng nơ-ron nhân tạo: Bao gồm các kiến trúc kinh điển như Perceptron một lớp (Single-Layer Perceptron), mạng truyền thẳng (Feedforward Neural Network - FNN), mạng nơ-ron tái phân cấp (Recurrent Neural Network - RNN), mạng bộ nhớ ngắn - dài (Long Short-Term Memory - LSTM) và mạng nơ-ron tích chập (CNN).
• Cơ chế lan truyền: Mô hình vận hành dựa trên hai chu trình tính toán liên hoàn là lan truyền tiến (Forward Propagation) để tính toán đầu ra dự đoán và lan truyền ngược (Backpropagation) kết hợp thuật toán tối ưu giảm độ dốc để cập nhật trọng số và độ lệch, giảm thiểu hàm mất mát.
• Phương pháp nghiên cứu thực nghiệm: Đồ án sử dụng phương pháp nghiên cứu thực nghiệm kết hợp mô hình hóa tính toán. Tác giả xây dựng một đường ống (pipeline) xử lý dữ liệu và huấn luyện hoàn chỉnh trên máy ảo điện toán đám mây.
• Nguồn dữ liệu: Bộ dữ liệu thực nghiệm "Dog-vs-Cat" công khai trên Kaggle, được chia thành hai tập huấn luyện và kiểm thử độc lập.

Thành phần lý thuyết / Kỹ thuật	Chi tiết tác giả áp dụng trong đồ án
Mô hình học máy	Học sâu có giám sát (Supervised Deep Learning)
Kiến trúc mạng lõi	Mạng nơ-ron tích chập tuần tự (Sequential CNN)
Bộ dữ liệu thực nghiệm	"Dog-vs-Cat" từ Kaggle (9.896 ảnh: 5.011 mèo, 4.885 chó)
Môi trường tính toán	Google Colaboratory (Bộ tăng tốc phần cứng T4 GPU)
Hệ sinh thái thư viện	TensorFlow, Keras, OpenCV (cv2), NumPy, Pandas, Matplotlib, PIL, OS

---

Thiết kế và triển khai

Phần thiết kế và triển khai thực nghiệm được tác giả đặc tả chi tiết trong Chương 3 của văn bản, bao gồm kiến trúc mô hình, quy trình chuẩn bị dữ liệu và kịch bản huấn luyện:

1. Kiến trúc mô hình mạng CNN

Mô hình được xây dựng theo dạng khối tuần tự (Sequential) bao gồm các tầng xử lý kế tiếp nhau:

• Tầng đầu vào (Input layer): Lớp tích chập 2 chiều Conv2D với 32 bộ lọc (filters), sử dụng hàm kích hoạt phi tuyến ReLU để trích xuất các đặc trưng hình ảnh ban đầu.
• Các tầng ẩn (Hidden layers): Các khối tích chập lặp lại với số lượng bộ lọc tăng dần. Để kiểm soát quá trình học và hạn chế hiện tượng quá khớp (overfitting), mỗi tầng tích chập được kết hợp chặt chẽ với:
  • Lớp chuẩn hóa theo lô (BatchNormalization): Giúp ổn định và tăng tốc độ hội tụ của mạng.
  • Lớp gộp cực đại (MaxPooling2D): Thu nhỏ kích thước không gian của bản đồ đặc trưng (downsampling), giảm số lượng tham số tính toán.
  • Lớp ngắt kết nối ngẫu nhiên (Dropout): Vô hiệu hóa một tỷ lệ nơ-ron nhất định nhằm ngăn chặn hiện tượng quá khớp.
• Tầng kết nối đầy đủ (Fully Connected / Dense): Lớp làm phẳng (Flatten) chuyển đổi bản đồ đặc trưng nhiều chiều thành vector một chiều, nối tiếp bởi các lớp nơ-ron kết nối dày đặc (Dense) và Dropout.
• Tầng đầu ra (Output layer): Lớp Dense kết hợp hàm kích hoạt Softmax để tính toán phân phối xác suất dự đoán cho 2 lớp đối tượng đầu ra.

2. Tiền xử lý dữ liệu và cấu hình siêu tham số

Quy trình tiền xử lý được chuẩn hóa thông qua module ImageDataGenerator của thư viện TensorFlow:

• Kích thước ảnh chuẩn hóa: image_size = 128 (kích thước đầu vào $128 \times 128$ pixel).
• Không gian màu: 3 kênh màu RGB (image_channel = 3).
• Tỷ lệ co giãn điểm ảnh: Chia giá trị mức xám ban đầu [0, 255] về khoảng [0, 1] qua phép toán rescale = 1./255.
• Kích thước lô xử lý: batch_size = 32.
• Cơ chế đọc dữ liệu: Sử dụng hàm flow_from_directory đọc ảnh trực tiếp từ Google Drive với chế độ gán nhãn đa lớp class_mode = 'categorical'.

# Đoạn mã tiền xử lý dữ liệu từ văn bản khóa luận
image_size = 128
image_channel = 3
bat_size = 32

train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)

train_gen = train_datagen.flow_from_directory(
    '/content/drive/MyDrive/Dog-vs-Cat/data/training_set/',
    class_mode='categorical',
    target_size=(image_size, image_size),
    batch_size=bat_size
)

val_gen = test_datagen.flow_from_directory(
    '/content/drive/MyDrive/Dog-vs-Cat/data/test_set/',
    class_mode='categorical',
    batch_size=bat_size,
    target_size=(image_size, image_size),
    shuffle=False
)

3. Biên dịch và huấn luyện mô hình

• Thuật toán tối ưu (Optimizer): Sử dụng thuật toán Adam (Adaptive Moment Estimation) kết hợp tốc độ học thích ứng và xung lượng.
• Hàm mất mát (Loss Function): Sử dụng hàm mất mát nhị phân binary_crossentropy tương ứng với bài toán phân loại 2 lớp.
• Độ đo đánh giá (Metrics): Độ chính xác (accuracy).
• Cơ chế điều khiển huấn luyện (Callback): Áp dụng ReduceLROnPlateau với các tham số: giám sát độ chính xác tập kiểm định monitor = 'val_accuracy', độ trễ patience = 2, hệ số giảm factor = 0.00001, verbose = 1. Hàm này tự động hạ tỷ lệ học (learning rate) khi độ chính xác không cải thiện sau 2 chu kỳ, giúp mô hình hội tụ tốt hơn và tránh overfitting.
• Số chu kỳ huấn luyện (Epochs): 10 chu kỳ. Mô hình hoàn chỉnh được lưu trữ định dạng file trên Google Drive tại đường dẫn /content/drive/MyDrive/Dog-vs-Cat/model.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về học máy

Chương 1 đóng vai trò hệ thống hóa toàn bộ bức tranh lý thuyết về trí tuệ nhân tạo, học máy và học sâu. Tác giả mở đầu bằng việc định nghĩa học máy (ML) và phân tích quy trình vận hành chuẩn gồm 7 bước cốt lõi: thu thập dữ liệu, tiền xử lý dữ liệu, lựa chọn mô hình, huấn luyện mô hình, đánh giá mô hình, điều chỉnh siêu tham số và triển khai dự đoán. Tác giả phân tích phạm vi ứng dụng rộng lớn của học máy trong các lĩnh vực công nghệ thông tin, tài chính, y tế, xe tự hành, thương mại điện tử, giáo dục và giải trí; đồng thời chỉ rõ ưu điểm tự động hóa và nhược điểm phụ thuộc lượng dữ liệu lớn cũng như nguy cơ overfitting.

Nội dung tiếp theo phân loại các phương pháp học máy (có giám sát, không giám sát, bán giám sát, tăng cường) và đi sâu vào học sâu (Deep Learning). Tác giả so sánh nguyên lý hoạt động giữa ML truyền thống và DL: DL tự động trích xuất đặc trưng phân cấp thông qua các lớp nơ-ron sâu mà không cần kỹ thuật trích xuất đặc trưng thủ công (feature engineering). Chương 1 khép lại bằng việc khảo sát bài toán phân lớp dữ liệu tổng quát (minh họa qua bài toán lọc thư rác) và đi sâu vào bài toán nhận dạng ảnh, liệt kê 5 bước thực hiện (chuẩn bị dữ liệu, xây dựng mô hình, huấn luyện, đánh giá, triển khai) cùng các ứng dụng thực tiễn như nhận dạng khuôn mặt, phát hiện vật thể và nhận dạng y học.

Chương 2: Mạng nơ-ron tích chập

Chương 2 trình bày cơ sở toán học và kiến trúc kỹ thuật của mạng nơ-ron nhân tạo nói chung và mạng nơ-ron tích chập (CNN) nói riêng. Tác giả phân tích cấu tạo nơ-ron nhân tạo gồm đầu vào, trọng số, độ lệch, hàm kích hoạt và cơ chế lan truyền ngược (backpropagation). Năm kiến trúc mạng nơ-ron tiêu biểu được so sánh: Perceptron một lớp, mạng truyền thẳng (FNN), mạng hồi quy (RNN), mạng LSTM và mạng CNN.

Phần trọng tâm của chương dành cho CNN. Tác giả làm rõ bản chất của các phép toán trên cấu trúc dữ liệu dạng lưới:

• Phép tích chập (Convolution) sử dụng các bộ lọc trượt trên ảnh để sinh bản đồ đặc trưng (feature map).
• Hàm kích hoạt phi tuyến ReLU ($f(x) = \max(0, x)$) hỗ trợ việc học các biểu diễn phức tạp.
• Phép gộp (Pooling) giảm kích thước không gian nhằm kiểm soát số lượng tham số.
• Các lớp kết nối đầy đủ (Dense) tổng hợp thông tin để đưa ra nhãn phân loại tại lớp đầu ra. Chương 2 cũng tổng kết các ưu thế của CNN (khả năng học đặc trưng cục bộ, cơ chế chia sẻ trọng số, khả năng thu gọn dữ liệu) song song với các thách thức kỹ thuật (chi phí tính toán cao, nhu cầu tập dữ liệu lớn, tính chất "hộp đen" khó diễn giải và tính không đổi còn hạn chế trước các phép biến đổi xoay, dịch ảnh).

Chương 3: Ứng dụng của mạng nơ-ron tích chập cho phân lớp ảnh

Chương 3 là phần thực nghiệm ứng dụng của đồ án. Tác giả mô tả chi tiết hạ tầng tính toán dựa trên Google Colab với bộ tăng tốc T4 GPU cùng danh mục các thư viện phần mềm chuyên dụng (TensorFlow, Keras, OpenCV, NumPy...). Tác giả giải thích lý do lựa chọn Python nhờ tính biểu cảm cao, cú pháp trực quan và hệ sinh thái thư viện AI phong phú.

Tiếp đó, tác giả trình bày quy trình triển khai thực tế trên bộ dữ liệu "Dog-vs-Cat" từ Kaggle: cấu trúc thư mục, quy tắc tiền xử lý ảnh về kích thước $128 \times 128 \times 3$, chuẩn hóa mức xám và tạo các luồng nạp dữ liệu theo đợt. Tác giả lập trình kiến trúc mô hình CNN tuần tự, cấu hình bộ tối ưu Adam, hàm mất mát binary crossentropy và kỹ thuật callback ReduceLROnPlateau. Sau 10 epoch huấn luyện, mô hình được lưu lại và đánh giá độ chính xác tổng thể. Tác giả xây dựng hàm suy luận đơn lẻ pred_single(path) và tiến hành thử nghiệm dự đoán độc lập trên 10 kịch bản test ngẫu nhiên (mỗi kịch bản gồm 5 ảnh) trên cả tập kiểm thử lẫn tập huấn luyện.

---

Kết quả và đóng góp

1. Kết quả thực nghiệm định lượng

Khóa luận đã công bố hai nhóm kết quả định lượng thu được từ thực nghiệm:

• Đánh giá trên toàn bộ tập kiểm nghiệm: Sử dụng phương thức evaluate() của TensorFlow, mô hình đạt độ chính xác 75,86%.
• Đánh giá qua các kịch bản suy luận ngẫu nhiên (Test set): Tác giả thiết lập hàm pred_single thực hiện tiền xử lý ảnh đầu vào (resize về $128 \times 128$, chuẩn hóa mức xám về [0, 1], chuyển đổi số chiều mảng) và lấy nhãn có xác suất cao nhất qua hàm argmax. Khi tiến hành 10 lượt test độc lập, mỗi lượt lấy ngẫu nhiên 5 ảnh từ tập test, kết quả thu được như sau:

Lượt kiểm thử (Test ID)	Số ảnh dự đoán đúng (trên 5 ảnh)	Số ảnh dự đoán sai (trên 5 ảnh)	Tỷ lệ chính xác (%)
Test_1	4	1	80%
Test_2	3	2	60%
Test_3	3	2	60%
Test_4	4	1	80%
Test_5	3	2	60%
Test_6	3	2	60%
Test_7	3	2	60%
Test_8	3	2	60%
Test_9	3	2	60%
Test_10	3	2	60%
Trung bình 10 lượt	3,2 / 5 ảnh	1,8 / 5 ảnh	64,00%

Độ chính xác cao nhất đạt được trong các lần thử nghiệm đơn lẻ là 80% (tại Test_1 và Test_4), độ chính xác thấp nhất là 60% (tại 8 lượt còn lại), và mức trung bình đạt 64%.

2. Đóng góp kỹ thuật của đề tài

• Hoàn thiện trọn vẹn đường ống xử lý dữ liệu hình ảnh động vật từ khâu đọc file có cấu trúc, tiền xử lý chuẩn hóa dữ liệu số học đến phân luồng dữ liệu tự động bằng ImageDataGenerator.
• Hiện thực hóa mô hình mạng nơ-ron tích chập tuần tự có tích hợp đồng thời nhiều kỹ thuật kiểm soát mô hình tiên tiến trong học sâu: tầng chuẩn hóa theo lô (BatchNormalization), lớp ngắt kết nối (Dropout) và cơ chế tự động giảm tỷ lệ học linh hoạt (ReduceLROnPlateau).
• Xây dựng thành công module suy luận trực tiếp pred_single cho phép nhận diện một tệp ảnh bất kỳ từ đường dẫn và trả về trực quan ảnh kèm nhãn phân lớp ('cat' hoặc 'dog').

---

Hạn chế và hướng nghiên cứu tiếp

Dựa trên kết quả thu được, tác giả đã thẳng thắn chỉ ra các hạn chế thực tế của đồ án:

• Độ chính xác mô hình chưa tối ưu: Mức độ chính xác 75,86% trên tập kiểm thử được đánh giá là chưa thật sự cao đối với bài toán phân loại ảnh nhị phân tiêu chuẩn.
• Rào cản về cấu hình phần cứng: Việc huấn luyện mô hình phụ thuộc vào phiên bản dịch vụ miễn phí của Google Colab (GPU T4 bị giới hạn thời gian chạy và bộ nhớ), khiến việc tăng số lượng epoch hoặc mở rộng độ sâu của mạng gặp nhiều hạn chế về tài nguyên.
• Quy mô và tính đa dạng của dữ liệu: Số lượng dữ liệu huấn luyện (khoảng gần 10.000 ảnh) còn ở mức khiêm tốn đối với mạng nơ-ron sâu; đồ án chưa áp dụng các kỹ thuật tăng cường dữ liệu phức tạp (như xoay, lật, méo ảnh) khi tạo batch để cải thiện độ tổng quát hóa.
• Phạm vi phân loại hẹp: Hệ thống mới chỉ dừng lại ở bài toán phân loại nhị phân giữa hai lớp chó và mèo, chưa mở rộng ra các loài động vật khác hoặc môi trường thực tế có nhiều đối tượng phức tạp trong cùng một khung hình.

---

Giá trị tham khảo

Đồ án là tài liệu tham khảo trực quan, phù hợp cho:

• Sinh viên ngành Công nghệ thông tin, Khoa học máy tính và Kỹ thuật phần mềm: Đặc biệt là những người mới bắt đầu tiếp cận chuyên đề học máy và học sâu, cần một đồ án mẫu mực về cách xây dựng mạng CNN bằng Keras/TensorFlow.
• Người nghiên cứu các đề tài phân loại ảnh cơ bản: Có thể tham khảo trực tiếp cấu trúc xây dựng mô hình tuần tự kèm code mẫu, cách kết hợp tầng tích chập với BatchNormalization và Dropout, cách thiết lập callback ReduceLROnPlateau và cách viết hàm suy luận ảnh đơn lẻ pred_single.
• Thực hành triển khai trên môi trường điện toán đám mây: Cung cấp hướng dẫn cụ thể về việc cấu hình GPU T4 trên Google Colab và tích hợp lưu trữ dữ liệu với Google Drive mà không cần đầu tư máy tính cá nhân có phần cứng đắt tiền.

---

Câu hỏi thường gặp

1. Bộ dữ liệu được tác giả sử dụng trong khóa luận có đặc điểm và cấu trúc như thế nào?
Tác giả sử dụng bộ dữ liệu "Dog-vs-Cat" từ Kaggle với tổng số 9.896 ảnh, bao gồm 5.011 ảnh mèo và 4.885 ảnh chó. Dữ liệu được chia thành tập huấn luyện và tập kiểm thử, lưu trữ trong các thư mục riêng biệt; ảnh mèo được đặt tên theo quy tắc cat.x trong thư mục cats và ảnh chó là dog.x trong thư mục dogs.

2. Kích thước ảnh đầu vào và các tham số tiền xử lý được thiết lập ra sao?
Toàn bộ ảnh được chuẩn hóa về kích thước $128 \times 128$ pixel với 3 kênh màu RGB (image_channel = 3). Giá trị điểm ảnh từ khoảng [0, 255] được chia tỷ lệ co giãn về [0, 1] bằng tham số rescale=1./255. Kích thước mỗi lô huấn luyện (bat_size) là 32 ảnh.

3. Mô hình CNN trong đồ án sử dụng bộ tối ưu, hàm mất mát và cơ chế điều chỉnh tỷ lệ học nào?
Mô hình sử dụng bộ tối ưu Adam, hàm mất mát binary_crossentropy (phù hợp cho bài toán phân loại 2 lớp nhị phân) và độ đo accuracy. Quá trình huấn luyện sử dụng callback ReduceLROnPlateau để theo dõi chỉ số val_accuracy, giảm tỷ lệ học với hệ số factor = 0.00001 nếu độ chính xác kiểm định không cải thiện sau 2 epoch (patience = 2).

4. Kết quả độ chính xác của mô hình đạt được là bao nhiêu và được tác giả đánh giá như thế nào?
Khi đánh giá bằng hàm evaluate trên toàn bộ tập thử nghiệm, mô hình đạt độ chính xác 75,86%. Khi kiểm thử ngẫu nhiên 10 lần (mỗi lần 5 ảnh), độ chính xác dao động từ 60% đến 80%, đạt trung bình 64%. Tác giả nhận định kết quả này chưa thực sự tốt do hạn chế về cấu hình tính toán và quy mô dữ liệu huấn luyện.

5. Hàm suy luận cho một bức ảnh đơn lẻ (pred_single) hoạt động theo nguyên lý nào?
Hàm nhận đường dẫn ảnh, đọc ảnh bằng OpenCV (imread), thay đổi kích thước về $128 \times 128$, mở rộng số chiều mảng (np.expand_dims), chia 255.0 để chuẩn hóa mức xám, sau đó đưa qua model.predict(). Vị trí xác suất lớn nhất được xác định qua np.argmax: nếu chỉ số là 0 trả về nhãn 'cat', ngược lại trả về nhãn 'dog'.

---

Kết luận

Đồ án tốt nghiệp của sinh viên Trần Hải Thành đã trình bày một cách hệ thống cơ sở lý luận về học máy và học sâu, đồng thời hiện thực hóa thành công mô hình mạng nơ-ron tích chập (CNN) cho bài toán phân loại hình ảnh chó và mèo trên nền tảng Google Colab. Bằng việc kết hợp các tầng tích chập với kỹ thuật chuẩn hóa theo lô, ngắt nơ-ron ngẫu nhiên và callback điều chỉnh tỷ lệ học, mô hình đã đạt độ chính xác 75,86% trên tập dữ liệu kiểm thử. Công trình cung cấp tài liệu tham khảo chi tiết từ cấu hình mã nguồn đến đánh giá thực nghiệm cho các nghiên cứu ứng dụng thị giác máy tính ở mức độ cơ bản.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY 1.1 Giới thiệu về học máy (Machine Learning) 1.1 Khái niệm Học máy (Machine Learning) thường được viết tắt là ML, nó là một tập con của trí tuệ nhân tạo (AI) cho phép máy tính học từ dữ liệu và đưa ra dự đoán hay quyết định. Nó triển khai các thuật toán nhằm tạo điều kiện thuận lợi cho dự đoán và quyết định này. Các thuật toán được thiết kế với mục đích cải thiện hiệu suất đã trở nên ngày càng chính xác và hiệu quả hơn theo thời gian, đặc biệt khi chúng phải xử lý lượng dữ liệu lớn hơn. [1] Hình 1-1 Minh hoạ AI, học máy và học sâu 1.2 Nguyên tắc hoạt động Cách hoạt động của máy học bao gồm việc đi sâu vào quy trình từng bước để chuyển đổi dữ liệu thô thành những hiểu biết có giá trị.

Quy trình này bao gồm một số bước chính sau: Bước 1: Thu thập dữ liệu − Chất lượng và số lượng của dữ liệu có thể ảnh hưởng trực tiếp đến hiệu suất mô hình. Dữ liệu được thu thập từ nhiều nguồn khác nhau như cơ sở dữ liệu, tập tin văn bản, hình ảnh, tập tin âm thanh hoặc trang web… Trần Hải Thành _ CT2401C 9 − Dữ liệu cần được chuẩn bị theo định dạng phù hợp như là tập CSV, cơ sở dữ liệu và đảm bảo dữ liệu có liên quan đến vấn đề đang giải quyết. Bước 2: Tiền xử lý dữ liệu − Tiền xử lý dữ liệu là một bước quan trọng nó xử lý dữ liệu (loại bỏ trùng lặp, sửa lỗi), xử lý dữ liệu bị thiếu (xóa hoặc điền vào) và chuẩn hóa dữ liệu. − Quá trình tiền xử lý cải thiện chất lượng dữ liệu đảm bảo mô hình học máy có thể diễn giải dữ liệu đó một cách chính xác, cải thiện đáng kể độ chính xác của mô hình.

Bước 3: Chọn mô hình phù hợp − Sau khi dữ liệu được chuẩn bị tiếp theo sẽ chọn mô hình. Có nhiều loại mô hình để lựa chọn, bao gồm hồi quy tuyến tính, cây quyết định và mạng lưới thần kinh. Lựa chọn mô hình tùy thuộc vào bản chất của dữ liệu và vấn đề đang giải quyết. − Các yếu tố cần xem xét bao gồm kích thước và loại dữ liệu, độ phức tạp của vấn đề và tài nguyên sẵn có.

Bước 4: Huấn luyện mô hình − Quá trình huấn luyện mô hình bao gồm đưa dữ liệu vào mô hình và cho phép mô hình điều chỉnh các tham số bên trong để dự đoán kết quả đầu ra tốt hơn. − Trong quá trình huấn luyện, điều quan trọng là tránh bị trang bị quá mức (mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới) và trang bị thiếu (mô hình hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu mới). Trần Hải Thành _ CT2401C 10 Bước 5: Đánh giá mô hình − Thử nghiệm mô hình trên dữ liệu mới mà nó chưa thấy trong quá trình đào tạo. Các số liệu phổ biến để đánh giá hiệu suất của mô hình bao gồm độ chính xác (đối với các vấn đề phân loại), độ chính xác và thu hồi (đối với các vấn đề phân loại nhị phân) và sai số bình phương trung bình (đối với các vấn đề hồi quy).

Bước 6: Điều chỉnh và tối ưu hóa siêu tham số − Điều chỉnh các siêu tham số của nó để cải thiện hiệu suất của nó. Sự tiến bộ này được gọi là điều chỉnh tham số hoặc tối ưu hoa siêu tham số.