Bối cảnh và vấn đề nghiên cứu

Việt Nam là quốc gia đa dân tộc với 54 dân tộc anh em, trong đó có 53 dân tộc thiểu số. Mỗi dân tộc đều sở hữu nét văn hóa, phong tục và trang phục truyền thống mang sắc thái riêng biệt. Tuy nhiên, trước tác động của thời gian, quá trình hội nhập quốc tế và sự thay đổi trong lối sống hiện đại, cách ăn mặc của đồng bào các dân tộc thiểu số dần có sự thay đổi; nhiều trang phục truyền thống đứng trước nguy cơ bị mai một, lãng quên hoặc bị biến tấu lệch lạc làm mất đi bản sắc nguyên gốc. Theo nghiên cứu ứng dụng mô hình hóa phương trình cấu trúc (SEM) về các nhân tố tác động đến giảm nghèo ở vùng dân tộc thiểu số Việt Nam (nằm trong Kỷ yếu Hội thảo "Phát triển kinh tế Việt Nam trong bối cảnh biến đổi toàn cầu", Hà Nội, 2020), yếu tố văn hóa đóng vai trò trực tiếp đối với việc giảm nghèo và nâng cao chất lượng giáo dục vùng đồng bào, song bản sắc văn hóa này lại rất dễ bị tổn thương trong quá trình phát triển.

Thời gian gần đây, trang phục dân tộc thiểu số nhận được sự quan tâm của xã hội và giới trẻ thông qua các sản phẩm nghệ thuật, video âm nhạc (tiêu biểu như trang phục lấy cảm hứng từ phụ nữ H'Mông trong video ca nhạc "Để Mị nói cho mà nghe" của ca sĩ Hoàng Thùy Linh) cũng như hình ảnh của những người có tầm ảnh hưởng (KOLs). Điều này thúc đẩy nhu cầu tìm kiếm, thuê và mua trang phục dân tộc phục vụ chụp ảnh, biểu diễn và tìm hiểu văn hóa. Mặc dù thương mại điện tử phát triển mạnh, hầu hết các hệ thống bán hàng trực tuyến hiện nay chỉ hỗ trợ tìm kiếm sản phẩm thông qua từ khóa văn bản, danh mục hoặc mô tả có sẵn, gây khó khăn cho người dùng khi không biết chính xác tên gọi hay đặc điểm của từng loại trang phục. Các nền tảng thương mại điện tử cũng chưa tích hợp cơ chế tìm kiếm qua hình ảnh và thiếu các thông tin chú giải văn hóa đi kèm.

Từ thực tiễn đó, khóa luận xác định nhiệm vụ giải quyết bài toán thị giác máy tính: Phân loại hình ảnh trang phục của 10 dân tộc thiểu số tại Việt Nam.

  • Đầu vào của bài toán: Ảnh chụp người mặc trang phục dân tộc thiểu số Việt Nam.
  • Đầu ra của bài toán: Nhãn phân loại đơn thuộc một trong 10 lớp tương ứng với 10 dân tộc thiểu số đông dân: Tày, Thái, Mường, H'Mông, Dao, Ê Đê, Ba Na, Chăm, Sán Dìu, Ra Glai.

Mục tiêu nghiên cứu của khóa luận được phân định thành 2 trọng tâm:

  1. Bài toán phân loại: Khảo sát tổng quan lý thuyết phân loại ảnh; triển khai thực nghiệm 3 thuật toán học máy gồm k-Láng giềng gần nhất (k-Nearest Neighbors - k-NN), Máy vector hỗ trợ (Support Vector Machine - SVM) và Hồi quy Logistic (Logistic Regression) kết hợp với 2 nhóm trích xuất đặc trưng: đặc trưng thủ công (HOG, LBP) và đặc trưng học sâu (VGG16, VGG19, ResNet50, MobileNetV2, EfficientNetB0); từ đó đánh giá, so sánh và xác định mô hình phù hợp.
  2. Bộ dữ liệu phân loại: Khảo sát hiện trạng các tập dữ liệu thời trang trong nước và quốc tế; trực tiếp tổ chức thu thập, tiền xử lý và chuẩn hóa bộ dữ liệu ảnh thực tế mang tên VEMC21 (Vietnamese Ethnic Minority Costumes Classification 2021) đại diện cho 10 dân tộc thiểu số nói trên, kèm phân tích đặc trưng văn hóa thị giác của từng loại trang phục.

Thách thức kỹ thuật của bài toán bao gồm: ảnh chụp thực tế có độ mờ nhòe, phông nền phức tạp, tư thế và góc chụp đa dạng làm che khuất các chi tiết trên trang phục; điều kiện ánh sáng biến động theo thời tiết; tính riêng tư và bản quyền hình ảnh; khó khăn trong việc tìm kiếm nguồn dữ liệu chuẩn xác trên Internet do nguy cơ gán sai nhãn văn hóa và trang phục bị cách tân sai lệch.

Phạm vi nghiên cứu được giới hạn trên tập dữ liệu ảnh quy mô nhỏ (2.889 ảnh) thuộc 10 dân tộc thiểu số có dân số đông tại Việt Nam, thực nghiệm trên các mô hình phân loại học máy truyền thống kết hợp trích xuất vector đặc trưng. Toàn bộ nghiên cứu được thực hiện tại Phòng thí nghiệm Truyền thông Đa phương tiện (MMLab), Trường Đại học Công nghệ Thông tin – Đại học Quốc gia Thành phố Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp

Khóa luận tiếp cận bài toán dưới dạng bài toán học có giám sát (Supervised Learning), cụ thể là phân loại đa lớp (Multi-class Classification) với $C = 10$ lớp đối tượng, đồng thời xử lý các đặc tính của bài toán phân loại mất cân bằng (Imbalanced Classification) xuất phát từ dữ liệu thu thập thực tế.

Khung lý thuyết và mô hình toán học

Các phương pháp phân loại máy học được sử dụng trong khóa luận gồm:

  • k-Nearest Neighbors (k-NN): Thuật toán học lười (lazy learning), không tham số; dự đoán nhãn dựa trên đa số phiếu bầu của $k$ mẫu lân cận gần nhất trong không gian đặc trưng. Độ đo khoảng cách được tác giả khảo sát gồm khoảng cách Cosine và khoảng cách Minkowski: $$\text{Distance}(x, y) = \left( \sum_{j=1}^n |x_j - y_j|^p \right)^{\frac{1}{p}}$$ Trong đó $p=1$ tương ứng khoảng cách Manhattan, $p=2$ là khoảng cách Euclidean, và $p=\infty$ là khoảng cách Chebychev.
  • Support Vector Machine (SVM): Xây dựng siêu phẳng tối ưu $w^T x + b = 0$ trong không gian nhiều chiều nhằm phân tách các lớp dữ liệu sao cho khoảng cách lề (margin) giữa siêu phẳng và các điểm dữ liệu gần nhất (support vectors) đạt giá trị cực đại: $$\text{margin} = \min_n \frac{y_n (w^T x_n + b)}{|w|_2}$$
  • Logistic Regression: Mô hình tuyến tính kết hợp hàm kích hoạt Sigmoid chuyển đổi giá trị dự đoán liên tục thành xác suất nằm trong khoảng $[0, 1]$: $$S(z) = \frac{1}{1 + e^{-z}}$$ với $z = w^T x + b$.

Phương pháp biểu diễn và trích xuất đặc trưng

Nghiên cứu chia các kỹ thuật biểu diễn ảnh thành hai nhóm chính:

  1. Đặc trưng thủ công (Handcrafted Features):
    • Histogram of Oriented Gradients (HOG): Chia ảnh thành các ô nhỏ (cells), tính toán biểu đồ phân bố hướng gradient cường độ sáng của từng cell, nhóm các cell liền kề thành khối (blocks) và chuẩn hóa độ tương phản cục bộ nhằm tạo tính bất biến tương đối với điều kiện ánh sáng.
    • Local Binary Patterns (LBP): Đo độ tương phản và cấu trúc bề mặt vi mô cục bộ bằng cách so sánh cường độ sáng của điểm ảnh trung tâm với 8 điểm ảnh láng giềng trong vùng lân cận $3 \times 3$, chuyển đổi thành chuỗi nhị phân 8-bit và mã hóa sang giá trị thập phân.
  2. Đặc trưng học sâu (Deep Features trích xuất từ CNN):
    • VGG16 và VGG19: Sử dụng các bộ lọc tích chập nhỏ kích thước cố định $3 \times 3$, kiến trúc dạng khối lặp lại (blocks) kết hợp các lớp gộp cực đại (Max Pooling) và các lớp kết nối đầy đủ (Fully Connected - FC).
    • ResNet50: Sử dụng kiến trúc 50 lớp với các kết nối tắt (skip connections / residual blocks) cho phép cộng trực tiếp đầu vào $x$ với đầu ra biến đổi $F(x)$, giải quyết hiện tượng triệt tiêu gradient (vanishing gradient) khi tăng độ sâu mạng.
    • MobileNetV2: Sử dụng phép tích chập tách biệt theo chiều sâu (Depthwise Separable Convolution) và khối thắt cổ chai dư đảo ngược (Inverted Residual Block) kết hợp phép chiếu tuyến tính, giúp giảm 30% số lượng tham số và tăng tốc độ xử lý từ 30% đến 40%.
    • EfficientNetB0: Ứng dụng kỹ thuật thu phóng mô hình đồng thời (compound scaling) để cân bằng có hệ thống giữa độ sâu, độ rộng mạng và độ phân giải hình ảnh thông qua các khối MBConv.

Nguồn dữ liệu

Do không có sẵn cơ sở dữ liệu ảnh chuẩn về trang phục dân tộc thiểu số Việt Nam, tác giả tự thu thập và xây dựng tập dữ liệu VEMC21 thông qua việc chụp ảnh thực tế các mẫu trang phục chuẩn thuê từ các cơ sở chuyên biệt.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương này thiết lập cơ sở thực tiễn và tính cấp thiết của đề tài; phân tích thực trạng bảo tồn văn hóa trang phục truyền thống của 54 dân tộc tại Việt Nam; chỉ ra những hạn chế của các hệ thống tìm kiếm thương mại điện tử hiện nay. Tác giả phát biểu bài toán phân loại ảnh trang phục 10 dân tộc thiểu số, nêu bật các thách thức về chất lượng ảnh, góc chụp, bản quyền dữ liệu và tính nguyên bản của trang phục; xác định phạm vi nghiên cứu tại phòng thí nghiệm MMLab và liệt kê 4 đóng góp chính của khóa luận.

Chương 2: Các nghiên cứu liên quan và hướng tiếp cận

Chương 2 hệ thống hóa cơ sở lý thuyết về học máy và thị giác máy tính:

  • Định nghĩa bài toán phân loại có giám sát và các biến thể: phân loại nhị phân, phân loại đa lớp, phân loại đa nhãn và phân loại mất cân bằng.
  • Trình bày kiến trúc mạng nơ-ron tích chập (CNN) gồm các thành phần cốt lõi: Lớp tích chập (Convolution Layer) với các tham số kernel, stride, padding; Lớp gộp (Pooling Layer) dạng Max Pooling và Average Pooling; Lớp kết nối đầy đủ (Fully Connected Layer).
  • Phân tích nguyên lý toán học của 3 thuật toán: k-NN, SVM, Logistic Regression.
  • Trình bày chi tiết cơ chế hoạt động của các phương pháp trích xuất đặc trưng: HOG, LBP, cùng các kiến trúc mạng học sâu tiền huấn luyện: VGG16, VGG19, ResNet50, MobileNetV2, EfficientNetB0.

Chương 3: Xây dựng bộ dữ liệu VEMC21

Chương 3 trình bày chi tiết quy trình xây dựng tập dữ liệu thực nghiệm:

  • Khảo sát tài liệu: Phân tích các bộ dữ liệu thời trang quốc tế và đối sánh với mục tiêu nghiên cứu của khóa luận:
Bộ dữ liệu Tác giả & Năm Đối tượng trang phục dân tộc Số lớp đối tượng
DeepFashion Liu et al. (2016) Không 50
Fashion-MNIST Xiao et al. (2017) Không 10
DeepFashion2 Ge et al. (2019) Không 13
Minority Costumes Zhang et al. (2020) Dân tộc thiểu số Trung Quốc 6
IndoFashion (2021) Trang phục truyền thống Ấn Độ Đa lớp
VEMC21 Huỳnh Thị Bích Tuyền (2021) Dân tộc thiểu số Việt Nam 10
  • Quy trình thu thập và tiền xử lý: Tiến hành qua 3 giai đoạn:
    1. Giai đoạn chuẩn bị: Tìm kiếm và thẩm định cửa hàng cho thuê trang phục bảo đảm đúng cấu trúc truyền thống không bị cách tân lệch lạc; chuẩn bị thiết bị chụp, đạo cụ; tuyển chọn 10 sinh viên tình nguyện viên đến từ 4 trường đại học (Trường ĐH Công nghệ Thông tin, Trường ĐH Kinh tế - Luật, Trường ĐH Khoa học Xã hội và Nhân văn, Trường ĐH Ngân hàng TP.HCM).
    2. Giai đoạn thu thập: Chụp 2.889 bức ảnh tại khuôn viên Nhà Văn hóa Sinh viên vào ban ngày, điều kiện thời tiết quang tạnh có mây; độ phân giải đạt mức $3024 \times 4032$ pixels; mỗi tình nguyện viên thay đổi trang phục 2 đến 3 lần để đa dạng hóa gương mặt và dáng người.
    3. Giai đoạn tiền xử lý: Loại bỏ thủ công các ảnh mờ nhòe, chói sáng, sai đối tượng hoặc có phông nền quá nhiều người gây nhiễu.
  • Quy trình gán nhãn và phân chia dữ liệu: Ảnh được phân chia thủ công vào 10 thư mục nhãn lớp; chia ngẫu nhiên thành 2 tập train và test theo tỷ lệ $6:4$, bao gồm 1.731 ảnh huấn luyện và 1.158 ảnh kiểm thử.
  • Phân bố dữ liệu: Số lượng mẫu phân bố không đồng đều giữa các lớp, trong đó lớp trang phục Mường có số lượng mẫu nhiều nhất và lớp Ra Glai có số lượng mẫu thấp nhất.
  • Mô tả đặc trưng văn hóa thị giác của 10 lớp trang phục:
    • Tày: Bố cục đơn giản, gam màu chàm chủ đạo, ít hoa văn sặc sỡ.
    • Thái (chọn khảo sát Thái trắng): Áo cóm cổ hình trái tim, tay ngắn hoặc cộc tay, hàng cúc bướm bằng bạc hoặc vàng (chưa chồng đơm số lẻ, có chồng đơm số chẵn).
    • Mường: Điểm nhấn tại cạp váy dệt thủ công với kỹ thuật phức tạp, kết hợp hoa văn hình học hỗ trợ lẫn nhau.
    • H'Mông (chọn khảo sát Mông xanh): Màu sắc rực rỡ (xanh, đỏ, tím, vàng); họa tiết thêu mang tính biểu tượng (hình xoắn ốc thể hiện sự cô đơn tìm bạn, hình trái tim biểu thị tình trạng hôn nhân).
    • Dao (chọn khảo sát Dao Đỏ): Màu đỏ là màu chủ đạo; họa tiết thêu dấu chân hổ, răng cưa, quả trám, thập ngoặc, hoa cúc ở nẹp ngực, tà áo và ống tay.
    • Ê Đê: Họa tiết các đường chỉ song song chạy sát mép vải, mô-típ hình học cách điệu rõ nét.
    • Ba Na: Màu đen, đỏ, trắng; hoa văn bố cục đối xứng phản ánh quan niệm vũ trụ và triết lý âm dương.
    • Chăm: Áo dài truyền thống kín đáo, thiết kế chui đầu, không xẻ tà.
    • Sán Dìu: Thiết kế gọn gàng, mộc mạc, không thêu thùa cầu kỳ.
    • Ra Glai: Trang phục mang nét đặc trưng của vùng đồng bào Nam Trung Bộ, số lượng ảnh trong tập mẫu ở mức thấp nhất.

Chương 4: Thực nghiệm các phương pháp máy học trên bộ dữ liệu VEMC21

Chương 4 thiết lập quy trình thực nghiệm:

  • Trích xuất vector đặc trưng từ các ảnh huấn luyện và kiểm thử sử dụng HOG, LBP và các mạng tích chập VGG16, VGG19, ResNet50, MobileNetV2, EfficientNetB0.
  • Huấn luyện và đánh giá 3 bộ phân loại: k-NN, SVM, Logistic Regression.
  • Đánh giá mô hình thông qua ma trận nhầm lẫn (Confusion Matrix). Phân tích các trường hợp gây lỗi điển hình:
    • Sự nhầm lẫn giữa các trang phục có cùng gam màu chủ đạo là màu đen.
    • Sự nhầm lẫn giữa các trang phục có cùng gam màu chủ đạo là màu đỏ.
    • Sự nhầm lẫn chéo giữa các lớp trang phục Ba Na, H'Mông, Chăm, Tày, Mường do tương đồng về kết cấu mảng màu hoặc góc chụp che khuất hoa văn đặc trưng.
  • Xây dựng chương trình thử nghiệm (demo) trực quan hóa kết quả phân loại của mô hình Logistic Regression sử dụng đặc trưng ResNet50.

Chương 5: Kết luận và hướng phát triển

Chương cuối tóm tắt toàn bộ kết quả nghiên cứu đạt được của khóa luận và đề xuất các phương hướng hoàn thiện trong tương lai.

Kết quả và đóng góp

Kết quả định lượng và kỹ thuật

  • Xây dựng hoàn chỉnh bộ dữ liệu VEMC21 gồm 2.889 ảnh đạt chất lượng cao ($3024 \times 4032$ pixels), phân bổ thành 1.731 ảnh tập huấn luyện và 1.158 ảnh tập kiểm thử trên 10 lớp trang phục dân tộc thiểu số Việt Nam.
  • Thiết lập quy trình trích xuất đặc trưng liên hợp, đối sánh giữa 2 kỹ thuật đặc trưng kết cấu truyền thống (HOG, LBP) và 5 kiến trúc học sâu tiền huấn luyện (VGG16, VGG19, ResNet50, MobileNetV2, EfficientNetB0).
  • Hoàn thiện mô hình thực nghiệm và chương trình demo phân loại sử dụng thuật toán Logistic Regression kết hợp đặc trưng ResNet50.
  • Nhận diện và phân loại rõ ràng các nhóm nguyên nhân gây nhầm lẫn thị giác trong bài toán phân loại trang phục dân tộc (nhóm trang phục nền đen, nhóm trang phục nền đỏ, và nhóm có cấu trúc hoa văn đan xen).

Đóng góp học thuật và thực tiễn

  1. Hệ thống hóa toàn diện cơ sở lý thuyết về bài toán phân loại ảnh đa lớp và các kỹ thuật trích chọn đặc trưng hình ảnh truyền thống kết hợp hiện đại.
  2. Tiên phong xây dựng và chuẩn hóa bộ dữ liệu hình ảnh trang phục dân tộc thiểu số Việt Nam (VEMC21), cung cấp tư liệu thị giác và thông tin văn hóa có kiểm chứng làm tiền đề cho các nghiên cứu tiếp theo.
  3. Thực hiện khảo sát thực nghiệm đối sánh đa mô hình (k-NN, SVM, Logistic Regression) trên nhiều không gian đặc trưng khác nhau, làm cơ sở khoa học cho việc lựa chọn giải pháp nhận dạng trang phục truyền thống.
  4. Kết quả nghiên cứu đã được hội đồng chuyên môn thẩm định và chấp nhận đăng trong kỷ yếu "Hội nghị Khoa học trẻ và Nghiên cứu sinh UIT 2021".

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Quy mô bộ dữ liệu VEMC21 còn ở mức khiêm tốn (2.889 ảnh) và chỉ mới bao quát được 10 trong tổng số 53 dân tộc thiểu số tại Việt Nam.
  • Phân bố dữ liệu giữa các lớp chưa đồng đều (lớp Mường chiếm số lượng lớn nhất trong khi lớp Ra Glai có số lượng ảnh ít nhất), tạo ra hiện tượng mất cân bằng dữ liệu ảnh hưởng đến quá trình học của mô hình.
  • Mẫu ảnh được thu thập trong điều kiện tương đối đồng nhất (khuôn viên Nhà Văn hóa Sinh viên, ban ngày, trời quang/có mây), chưa phản ánh hết sự phức tạp của các bối cảnh đời sống thực tế (ban đêm, điều kiện trong nhà thiếu sáng, phông nền lễ hội đông đúc).
  • Trang phục thực nghiệm là trang phục thuê từ các cơ sở kinh doanh, dù đã qua chọn lọc nhưng vẫn có giới hạn nhất định so với trang phục gốc trong đời sống sinh hoạt của đồng bào.
  • Phương pháp tiếp cận dừng lại ở việc trích xuất đặc trưng tĩnh kết hợp bộ phân loại học máy cổ điển, chưa triển khai tinh chỉnh (fine-tuning) đầu-cuối (end-to-end) các mạng học sâu quy mô lớn.

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô bộ dữ liệu VEMC21 cả về số lượng ảnh trên mỗi lớp và số lượng lớp dân tộc khảo sát (hướng tới bao phủ đầy đủ 53 dân tộc thiểu số).
  • Áp dụng các kỹ thuật cân bằng dữ liệu như lấy mẫu dưới ngẫu nhiên hoặc tạo mẫu nhân tạo SMOTE để khắc phục độ lệch giữa các lớp.
  • Đa dạng hóa bối cảnh thu nhận hình ảnh (điều kiện ánh sáng, góc chụp thực tế tại các vùng miền).
  • Phát triển ứng dụng thương mại điện tử hoàn chỉnh, tích hợp tính năng tìm kiếm trang phục bằng hình ảnh dựa trên mô hình phân loại đã thử nghiệm, kèm chú giải thông tin văn hóa chi tiết cho từng sản phẩm.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo thiết thực cho các nhóm đối tượng:

  • Sinh viên, học viên ngành Hệ thống Thông tin, Khoa học Máy tính, Trí tuệ Nhân tạo: Có thể tham khảo phương pháp luận kết hợp giữa các bộ trích xuất đặc trưng CNN với các mô hình học máy truyền thống (SVM, k-NN, Logistic Regression), cũng như cách xử lý ma trận nhầm lẫn trong bài toán phân loại đa lớp.
  • Người nghiên cứu xây dựng dữ liệu thị giác máy tính: Khóa luận cung cấp tài liệu chi tiết về quy trình 3 giai đoạn (Chuẩn bị – Thu thập – Tiền xử lý) để tạo lập một bộ dữ liệu ảnh đặc thù từ thực địa mà không có sẵn nguồn trên Internet.
  • Nhà phát triển hệ thống thương mại điện tử chuyên ngành may mặc: Tham khảo kiến trúc tích hợp cơ chế tìm kiếm sản phẩm bằng hình ảnh hỗ trợ cho phương thức tìm kiếm văn bản truyền thống.
  • Nghiên cứu sinh, chuyên viên văn hóa học: Khóa luận cung cấp bảng tổng hợp chi tiết về đặc trưng kiểu dáng, màu sắc, hoa văn và ý nghĩa nhân sinh của trang phục 10 dân tộc thiểu số đông dân tại Việt Nam.

Câu hỏi thường gặp

1. Bộ dữ liệu VEMC21 được xây dựng với quy mô bao nhiêu hình ảnh và tỷ lệ phân chia tập huấn luyện/kiểm thử như thế nào?
Bộ dữ liệu VEMC21 bao gồm tổng cộng 2.889 hình ảnh của 10 lớp trang phục dân tộc thiểu số, được chia ngẫu nhiên thành hai tập theo tỷ lệ $6:4$, tương ứng với 1.731 ảnh cho tập huấn luyện (train) và 1.158 ảnh cho tập kiểm thử (test).

2. Khóa luận khảo sát những phương pháp máy học và kỹ thuật rút trích đặc trưng cụ thể nào?
Nghiên cứu khảo sát 3 thuật toán học máy phân loại gồm k-Nearest Neighbors (k-NN), Support Vector Machine (SVM) và Logistic Regression. Các thuật toán này được thử nghiệm trên 2 nhóm đặc trưng: đặc trưng thủ công (HOG, LBP) và đặc trưng học sâu trích xuất từ các mạng CNN tiền huấn luyện (VGG16, VGG19, ResNet50, MobileNetV2, EfficientNetB0).

3. Quy trình thu thập dữ liệu ảnh thực địa cho bộ dữ liệu VEMC21 được tổ chức ra sao?
Dữ liệu được chụp trực tiếp tại khuôn viên Nhà Văn hóa Sinh viên vào ban ngày trong điều kiện thời tiết quang tạnh có mây, với độ phân giải phần lớn đạt $3024 \times 4032$ pixels. Hình ảnh được ghi nhận từ 10 sinh viên tình nguyện viên thuộc 4 trường đại học (Trường ĐH Công nghệ Thông tin, Trường ĐH Kinh tế - Luật, Trường ĐH Khoa học Xã hội và Nhân văn, Trường ĐH Ngân hàng TP.HCM), mỗi người thay phiên mặc 2 đến 3 trang phục khác nhau.

4. Những nguyên nhân trực quan nào trong dữ liệu gây ra hiện tượng nhầm lẫn giữa các lớp trang phục khi phân loại?
Qua phân tích ma trận nhầm lẫn, khóa luận chỉ ra 3 nguyên nhân chính gây nhầm lẫn: các trang phục có cùng gam màu đen chủ đạo; các trang phục có cùng gam màu đỏ chủ đạo; và sự tương đồng về bố cục mảng màu hoặc tư thế chụp che khuất hoa văn đặc trưng giữa các lớp Ba Na, H'Mông, Chăm, Tày và Mường.

5. 10 trang phục dân tộc thiểu số được khảo sát trong khóa luận gồm những dân tộc nào?
10 dân tộc thiểu số đông dân nhất được lựa chọn khảo sát trong nghiên cứu bao gồm: Tày, Thái (khảo sát Thái trắng), Mường, H'Mông (khảo sát Mông xanh), Dao (khảo sát Dao Đỏ), Ê Đê, Ba Na, Chăm, Sán Dìu và Ra Glai.

Kết luận

Khóa luận tốt nghiệp của tác giả Huỳnh Thị Bích Tuyền đã giải quyết bài toán thị giác máy tính mang tính ứng dụng cao: phân loại hình ảnh trang phục của 10 dân tộc thiểu số đông dân tại Việt Nam. Nghiên cứu đã xây dựng thành công bộ dữ liệu thực tế VEMC21 gồm 2.889 ảnh được gán nhãn chuẩn hóa và thực hiện khảo sát có hệ thống 3 phương pháp máy học (k-NN, SVM, Logistic Regression) trên nhiều không gian đặc trưng thủ công lẫn học sâu. Kết quả của đề tài không chỉ đóng góp một cơ sở dữ liệu ảnh có giá trị học thuật cho cộng đồng nghiên cứu thị giác máy tính trong nước, mà còn tạo nền tảng công nghệ thiết thực cho các hệ thống thương mại điện tử tìm kiếm bằng hình ảnh gắn liền với nhiệm vụ bảo tồn bản sắc văn hóa dân tộc.