Giới thiệu dự án

Trang phục truyền thống của 54 dân tộc anh em tại Việt Nam là di sản văn hóa phi vật thể mang đậm dấu ấn lịch sử, thẩm mỹ và tín ngưỡng nhân sinh. Tuy nhiên, theo các nghiên cứu về phát triển văn hóa - xã hội vùng đồng bào thiểu số (tiêu biểu như mô hình hóa cấu trúc tuyến tính SEM tại Diễn đàn Phát triển Kinh tế Việt Nam), tiến trình đô thị hóa và hội nhập toàn cầu đang đẩy trang phục truyền thống của nhiều dân tộc thiểu số vào nguy cơ mai một hoặc bị cách tân sai lệch bản sắc.

Gần đây, sự bùng nổ của các sản phẩm truyền thông và xu hướng thời trang lấy cảm hứng từ văn hóa dân tộc đã thúc đẩy mạnh mẽ nhu cầu tìm kiếm, thuê và mua trang phục truyền thống. Mặc dù vậy, các nền tảng thương mại điện tử (E-commerce) hiện nay hầu hết chỉ hỗ trợ tìm kiếm dạng văn bản thô (text search) theo từ khóa hoặc danh mục đơn giản, hoàn toàn thiếu hụt tính năng tìm kiếm bằng hình ảnh (Visual Search) có khả năng nhận dạng chính xác hoa văn và cấu trúc trang phục đặc thù.

+------------------------------------------------------------------------------------+
|                                    PROBLEM SPACE                                   |
|  - 54 Ethnic Groups -> High Visual Diversity, Complex Patterns, Similar Color Tones |
|  - E-commerce & Archiving Gap: Text Search Fails on Unstandardized Cultural Terms  |
|  - Dataset Scarcity: Zero Standardized Benchmarks for Vietnamese Minority Attires  |
+------------------------------------------------------------------------------------+
                                          │
                                          ▼
+------------------------------------------------------------------------------------+
|                                  PROPOSED SOLUTION                                 |
|  1. Construct VEMC21 Dataset: 2,889 Verified Images across 10 Populous Groups     |
|  2. Hybrid ML/DL Pipeline: Handcrafted (HOG, LBP) + Deep Embeddings (ResNet,       |
|     MobileNet, EfficientNet) + Classifiers (k-NN, SVM, Logistic Regression)       |
+------------------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement)

Nhận dạng và phân loại trang phục dân tộc thiểu số là bài toán thị giác máy tính phức tạp do các rào cản:

  1. Thiếu hụt dữ liệu chuẩn hóa: Chưa có bất kỳ tập dữ liệu ảnh mở nào về trang phục dân tộc thiểu số Việt Nam được gán nhãn chính xác từ các nguồn uy tín.
  2. Nhiễu thị giác môi trường thực tế: Ảnh chụp thường bị nhòe, điều kiện ánh sáng thay đổi khắc nghiệt, góc chụp nghiêng, phông nền phức tạp và có hiện tượng che khuất (occlusion).
  3. Độ tương đồng nội lớp và liên lớp phức tạp: Nhiều dân tộc sử dụng cùng tông màu chủ đạo (ví dụ: nền chàm đen ở dân tộc Tày, Mường, Ba Na, Ê Đê hoặc tông đỏ ở Dao Đỏ, H'Mông) nhưng khác biệt tinh vi ở kết cấu hoa văn viền cạp, hàng khuy cúc áo (áo cóm Thái) hay kỹ thuật dệt thổ cẩm.

Mục tiêu dự án

  1. Xây dựng bộ dữ liệu benchmark VEMC21 (Vietnamese Ethnic Minority Costumes 2021) gồm 2,889 ảnh chất lượng cao phân loại cho 10 dân tộc thiểu số có dân số đông đảo: Tày, Thái, Mường, H'Mông, Dao, Ê Đê, Ba Na, Chăm, Sán Dìu, Ra Glai.
  2. Nghiên cứu và đánh giá đa phương pháp trích xuất đặc trưng: So sánh đặc trưng kết cấu truyền thống (HOG, LBP) với các đặc trưng biểu diễn sâu (Deep Feature Embeddings) trích xuất từ các mạng CNN tiền huấn luyện: VGG16, VGG19, ResNet50, MobileNetV2, EfficientNetB0.
  3. Xây dựng và tối ưu hóa mô hình phân loại đa lớp: Ứng dụng các thuật toán máy học $k$-Nearest Neighbors ($k$-NN), Support Vector Machine (SVM), và Logistic Regression để tìm ra mô hình tối ưu về độ chính xác và thời gian suy luận.

Phạm vi và Giới hạn

  • Phạm vi đối tượng: Tập trung vào trang phục truyền thống của 10 dân tộc thiểu số phổ biến tại Việt Nam; dữ liệu ảnh được thu thập trực tiếp từ các bộ trang phục chuẩn mực phối hợp cùng các mẫu ảnh tình nguyện viên tại TP.HCM.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào bài toán phân loại ảnh đơn nhãn (Single-label Multi-class Classification), chưa mở rộng sang bài toán phát hiện đa đối tượng phân đoạn theo thời gian thực (Instance Segmentation).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng giải pháp, các tập dữ liệu và hệ thống phân loại thời trang trên thế giới đã được khảo sát chi tiết nhằm xác định khoảng trống công nghệ:

Tập dữ liệu / Hệ thống Số lượng mẫu Số lớp Loại trang phục Hạn chế chính đối với bài toán bản địa
DeepFashion (Liu et al., 2016) 800,000+ 50 Thời trang hiện đại phương Tây Không chứa dữ liệu hoa văn thổ cẩm và trang phục dân tộc Đông Nam Á.
Fashion-MNIST (Xiao et al., 2017) 70,000 10 Đồ họa xám đơn giản ($28\times 28$) Độ phân giải quá thấp, không biểu diễn được chi tiết dệt may phức tạp.
Chinese Minority Costumes (Zhang et al., 2020) 15,000+ 6 Dân tộc thiểu số Trung Quốc (Dong, Miao...) Đặc thù văn hóa và phom dáng trang phục khác biệt với các dân tộc thiểu số tại Việt Nam.
IndoFashion (Sharma et al., 2021) 106,000 15 Trang phục truyền thống Ấn Độ (Sari, Kurta...) Dữ liệu mang tính bản địa Nam Á, không áp dụng được cho trang phục Việt Nam.

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Tập dữ liệu VEMC21 chuẩn hóa 10 lớp; pipeline tiền xử lý và trích xuất vector đặc trưng; bộ phân loại đạt Top-1 Accuracy $> 85%$ trên tập kiểm thử độc lập.
  • Should have: Giao diện demo suy luận trực quan; khả năng giải thích dự đoán dựa trên ma trận nhầm lẫn (Confusion Matrix).
  • Could have: API endpoint phục vụ tích hợp module Visual Search vào website thương mại điện tử.
  • Won't have (lần này): Tự động tách nền trang phục bằng mô hình phân đoạn ngữ nghĩa (Semantic Segmentation).

Thiết kế hệ thống

Kiến trúc tổng thể của hệ thống nhận dạng và phân loại trang phục dân tộc VEMC21 được xây dựng theo mô hình pipeline 4 tầng:

graph TD
    A["Ảnh đầu vào (Input Image)"] --> B["Tiền xử lý ảnh (Preprocessing: Resize 224x224, Normalization)"]
    B --> C{"Bộ trích xuất đặc trưng (Feature Extractor)"}
    
    subgraph Handcrafted_Features ["Đặc trưng thủ công (Handcrafted)"]
        C --> D1["HOG Extractor (1D Directional Histogram)"]
        C --> D2["LBP Extractor (3x3 Neighborhood Code)"]
    end
    
    subgraph Deep_Features ["Đặc trưng học sâu (Deep CNN Embeddings)"]
        C --> E1["VGG16 / VGG19 (FC2 Embeddings)"]
        C --> E2["ResNet50 (AvgPool Residual Vector: 2048-d)"]
        C --> E3["MobileNetV2 / EfficientNetB0 (Compound Scaling)"]
    end
    
    D1 --> F["Vector không gian đặc trưng (Feature Vector)"]
    D2 --> F
    E1 --> F
    E2 --> F
    E3 --> F
    
    F --> G{"Bộ phân loại (Supervised Classifier)"}
    G --> H1["k-NN (Cosine / Minkowski Distance)"]
    G --> H2["SVM (RBF / Linear Kernel Hyperplane)"]
    G --> H3["Logistic Regression (Multinomial Softmax)"]
    
    H1 --> I["Dự đoán nhãn trang phục (Tày, Thái, Mường, H'Mông, Dao, Ê Đê, Ba Na, Chăm, Sán Dìu, Ra Glai)"]
    H2 --> I
    H3 --> I

Ngăn xếp công nghệ (Technology Stack)

  • Ngôn ngữ phát triển: Python 3.8.10
  • Framework Học sâu & Thị giác máy tính: TensorFlow 2.4.1, Keras 2.4.0, OpenCV 4.5.1, scikit-image 0.18.1
  • Thư viện Học máy & Thống kê: Scikit-Learn 0.24.2, NumPy 1.19.5, SciPy 1.6.2, Pandas 1.2.4
  • Giao diện & Web Service: Flask 2.0.1 / FastAPI 0.68.0, Streamlit 0.88.0

Đặc tả API suy luận (Inference API Specification)

Hệ thống cung cấp RESTful endpoint cho tác vụ phân loại thời gian thực:

  • Endpoint: POST /api/v1/costumes/classify
  • Request Format: multipart/form-data chứa trường image (JPEG/PNG, max 10MB).
  • Response Schema:
{
  "status": "success",
  "prediction": {
    "ethnic_group": "H'Mông",
    "sub_group": "Mông Xanh",
    "confidence_score": 0.9428,
    "cultural_metadata": {
      "dominant_colors": ["Blue", "Red", "Yellow"],
      "patterns": "Spiral embroidery, beeswax painting",
      "region": "Northern Highlands"
    }
  },
  "inference_latency_ms": 42.6
}

Phương pháp nghiên cứu (Methodology)

Dự án áp dụng quy trình phát triển dữ liệu và mô hình theo chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining):

+-----------------------------------------------------------------------------------+
|                           CRISP-DM PROJECT MILESTONES                             |
|  [Tháng 1-2] Khảo sát văn hóa & Thu thập VEMC21 (2,889 ảnh gốc độ phân giải 3K)   |
|  [Tháng 3]   Lọc nhiễu, chuẩn hóa nhãn 10 lớp, phân chia tập Train/Test (60/40)   |
|  [Tháng 4]   Xây dựng Pipeline HOG/LBP & Trích xuất Deep Features (ResNet, VGG)    |
|  [Tháng 5]   Tối ưu siêu tham số k-NN, SVM, Logistic Regression & Đánh giá F1-score|
|  [Tháng 6]   Đóng gói module Web Demo, hoàn thiện tài liệu & báo cáo hội nghị      |
+-----------------------------------------------------------------------------------+

Ma trận quản trị rủi ro (Risk Mitigation Strategy)

  1. Rủi ro mất cân bằng dữ liệu (Imbalanced Data): Lớp Mường có số lượng mẫu cao nhất trong khi lớp Ra Glai có mẫu thấp nhất. Giải pháp: Áp dụng kỹ thuật phân tầng (Stratified Sampling) khi chia tập Train/Test và sử dụng hàm mất mát có đánh trọng số lớp (Class-weighted Loss).
  2. Rủi ro Overfitting trên tập dữ liệu quy mô nhỏ: Giải pháp: Đóng băng trọng số pre-trained ImageNet, chỉ sử dụng mạng CNN làm bộ trích xuất đặc trưng cố định (Feature Extraction mode) thay vì train full network từ đầu.

Implementation và kết quả

Quy trình phát triển và Thuật toán then chốt

Hệ thống tiến hành trích xuất đặc trưng theo hai nhánh kỹ thuật chính:

1. Rút trích đặc trưng kết cấu truyền thống (Handcrafted)

  • Histogram of Oriented Gradients (HOG): Chia ảnh thành các cell kích thước $5\times 5$ pixels, gom cụm thành các block $3\times 3$ cells. Gradient không gian được chuẩn hóa cục bộ nhằm tạo tính bất biến đối với ánh sáng: $$\nabla I(x,y) = \left( \frac{\partial I}{\partial x}, \frac{\partial I}{\partial y} \right), \quad \theta = \arctan\left(\frac{\partial I/\partial y}{\partial I/\partial x}\right)$$
  • Local Binary Patterns (LBP): Áp dụng toán tử so sánh ngưỡng 8 điểm láng giềng xung quanh pixel trung tâm $g_c$ với bán kính $R=1$: $$LBP_{P,R}(x_c, y_c) = \sum_{p=0}^{P-1} s(g_p - g_c) 2^p, \quad s(x) = \begin{cases} 1 & \text{nếu } x \ge 0 \ 0 & \text{nếu } x < 0 \end{cases}$$

2. Rút trích đặc trưng sâu (Deep Learning Feature Extraction)

Sử dụng các mô hình học sâu đã được huấn luyện trước trên tập dữ liệu ImageNet (1.4 triệu ảnh, 1000 lớp). Loại bỏ lớp phân loại Fully Connected cuối cùng, trích xuất vector đầu ra từ tầng Pooling/Bottleneck:

  • ResNet50: Vector đặc trưng 2048 chiều sau lớp GlobalAveragePooling2D.
  • MobileNetV2: Vector 1280 chiều từ tầng Bottleneck Residual.
  • EfficientNetB0: Vector 1280 chiều tối ưu hóa theo hệ số scaling hỗn hợp (Compound Coefficient).

Đoạn mã xử lý và huấn luyện hoàn chỉnh được cài đặt chuẩn mực:

import numpy as np
import cv2
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input
from tensorflow.keras.preprocessing import image
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, accuracy_score

# 1. Khởi tạo Deep Feature Extractor (ResNet50)
feature_extractor = ResNet50(
    weights='imagenet',
    include_top=False,
    pooling='avg',
    input_shape=(224, 224, 3)
)

def extract_deep_features(img_path: str, model) -> np.ndarray:
    """Tải ảnh, tiền xử lý và trích xuất vector đặc trưng 2048 chiều."""
    img = image.load_img(img_path, target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    embedding = model.predict(x, verbose=0)
    return embedding.flatten()

# 2. Huấn luyện bộ phân loại Logistic Regression đa lớp
# X_train_feats: Ma trận đặc trưng (N_train, 2048)
# y_train: Mảng nhãn tương ứng 10 dân tộc (0 -> 9)
clf = LogisticRegression(
    C=1.0,
    max_iter=1000,
    multi_class='multinomial',
    solver='lbfgs',
    random_state=42
)
clf.fit(X_train_feats, y_train)

# 3. Dự đoán và đánh giá trên tập Test độc lập (N_test, 2048)
y_pred = clf.predict(X_test_feats)
acc = accuracy_score(y_test, y_pred)
print(f"Top-1 Accuracy trên VEMC21: {acc * 100:.2f}%")
print(classification_report(y_test, y_pred, target_names=[
    'Tay', 'Thai', 'Muong', 'HMong', 'Dao', 'EDe', 'BaNa', 'Cham', 'SanDiu', 'RaGlai'
]))

Kiểm thử và Đánh giá thực nghiệm

Tập dữ liệu VEMC21 gồm 2,889 ảnh được phân chia theo tỉ lệ vàng $60:40$ ngẫu nhiên theo phân tầng:

  • Tập Huấn luyện (Train set): 1,731 ảnh
  • Tập Kiểm thử (Test set): 1,158 ảnh

Kết quả thử nghiệm chéo toàn diện giữa các bộ trích xuất đặc trưng và thuật toán phân loại được tổng hợp trong bảng định lượng dưới đây:

Phương pháp đặc trưng Chiều vector (Dim) $k$-NN Accuracy (%) SVM (RBF) Accuracy (%) Logistic Regression Accuracy (%) Độ trễ trích xuất trung bình (ms/ảnh)
HOG (Thủ công) 3,780 48.36% 59.41% 61.22% 18.4 ms
LBP (Thủ công) 256 39.12% 45.80% 47.15% 8.2 ms
VGG16 (Học sâu) 4,096 76.51% 84.11% 86.35% 62.5 ms
VGG19 (Học sâu) 4,096 77.20% 84.95% 86.87% 71.0 ms
MobileNetV2 (Học sâu) 1,280 79.45% 86.20% 88.08% 14.6 ms
EfficientNetB0 (Học sâu) 1,280 81.17% 87.65% 89.46% 21.3 ms
ResNet50 (Học sâu) 2,048 82.38% 88.77% 90.33% 35.8 ms 
+------------------------------------------------------------------------------------+
|                         ACCURACY COMPARISON ON VEMC21                              |
|                                                                                    |
|  ResNet50 + Logistic Reg.  [==========================================] 90.33%     |
|  EfficientNetB0 + LogReg   [========================================  ] 89.46%     |
|  MobileNetV2 + LogReg      [======================================    ] 88.08%     |
|  VGG19 + LogReg            [=====================================     ] 86.87%     |
|  HOG + LogReg              [========================                  ] 61.22%     |
|  LBP + LogReg              [===================                       ] 47.15%     |
+------------------------------------------------------------------------------------+

Kết quả đạt được và Phân tích chi tiết

  1. Hiệu năng vượt trội của Deep Embeddings: Các đặc trưng học sâu cải thiện độ chính xác từ +29.11% đến +43.18% so với các đặc trưng kết cấu truyền thống (HOG, LBP). Điều này chứng minh mạng CNN có khả năng học các biểu diễn phân cấp ngữ nghĩa cao, chống chịu tốt với sự biến thiên về góc xoay, nếp gấp vải và độ sáng.
  2. Sự kết hợp tối ưu: ResNet50 kết hợp với Logistic Regression đạt hiệu năng cao nhất với độ chính xác 90.33% trên 1,158 ảnh kiểm thử độc lập, tiếp theo sát bởi EfficientNetB0 (89.46%).
  3. Phân tích nhầm lẫn (Error & Confusion Analysis):
    • Các trường hợp phân loại nhầm chủ yếu xuất hiện giữa các trang phục có cùng gam màu chàm/đen và phom dáng kín (Tày, Mường, Sán Dìu) khi chụp ở khoảng cách xa làm mờ chi tiết cạp váy dệt hoa văn.
    • Nhóm trang phục màu đỏ (Dao Đỏ và H'Mông) đôi khi bị nhầm lẫn trong điều kiện chụp ngược sáng làm biến dạng sắc độ màu sắc.

Đổi mới và đóng góp

  1. Tiên phong xây dựng chuẩn Benchmark VEMC21: Công bố bộ dữ liệu ảnh thực nghiệm có kiểm định văn hóa đầu tiên tại Việt Nam dành riêng cho bài toán phân loại trang phục 10 dân tộc thiểu số đông dân nhất, lấp đầy khoảng trống dữ liệu bản địa trong cộng đồng thị giác máy tính.
  2. Đánh giá hệ thống toàn diện giữa Machine Learning và Deep Transfer Learning: Cung cấp bức tranh thực nghiệm chi tiết giữa các phương pháp trích xuất cục bộ truyền thống và mạng nơ-ron tích chập hiện đại, chỉ ra rằng các bộ phân loại tuyến tính đơn giản (Logistic Regression / Linear SVM) khi kết hợp với Deep Residual Embeddings có thể đạt hiệu năng vượt bậc mà không đòi hỏi chi phí tính toán huấn luyện lại toàn bộ mạng (End-to-end retraining).
  3. Đóng góp học thuật được bình duyệt: Toàn bộ kết quả nghiên cứu và quy trình thực nghiệm đã được phản biện khoa học và chấp nhận công bố chính thức tại Kỷ yếu Hội nghị Khoa học trẻ và Nghiên cứu sinh UIT 2021 (Trường ĐH Công nghệ Thông tin - ĐHQG TP.HCM).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đời sống

                          ┌────────────────────────┐
                          │   Smart Mobile / Web   │
                          └───────────┬────────────┘
                                      │
               ┌──────────────────────┼──────────────────────┐
               ▼                      ▼                      ▼
    ┌────────────────────┐ ┌────────────────────┐ ┌────────────────────┐
    │   Visual Search    │ │  Bảo tồn & Du lịch │ │ Giáo dục Di sản   │
    │   E-Commerce       │ │  Smart Museum App  │ │ Interactive AR    │
    │                    │ │                    │ │                   │
    │ Tìm kiếm sản phẩm  │ │ Quét trang phục    │ │ Trợ lý tra cứu   │
    │ trang phục, phụ    │ │ du khách mặc, hiển │ │ trang phục cho    │
    │ kiện qua ảnh chụp  │ │ thị thuyết minh    │ │ học sinh, nhà     │
    │ thực tế            │ │ văn hóa tự động    │ │ nghiên cứu        │
    └────────────────────┘ └────────────────────┘ └────────────────────┘
  1. Thương mại điện tử thông minh (Smart Fashion E-Commerce): Tích hợp công cụ tìm kiếm hình ảnh cho phép khách hàng tải ảnh trang phục yêu thích từ mạng xã hội/MV ca nhạc để tìm kiếm chính xác mẫu cần thuê/mua và các phụ kiện đi kèm.
  2. Số hóa di sản và Du lịch trải nghiệm (Digital Cultural Heritage): Ứng dụng tại các bảo tàng dân tộc học hoặc khu du lịch (Sa Pa, Tây Nguyên, Ninh Thuận). Du khách quét camera vào trang phục để nhận diện dân tộc và lắng nghe thuyết minh tự động về lịch sử hoa văn.

Yêu cầu triển khai và Ước tính chi phí

  • Yêu cầu phần cứng máy chủ (Server Inference Requirements):
    • CPU: Intel Xeon 4 Cores hoặc AMD EPYC (hỗ trợ tập lệnh AVX2/AVX-512)
    • RAM: 8GB DDR4
    • GPU (Khuyến nghị cho tải cao): NVIDIA T4 16GB hoặc RTX 3060 (đáp ứng throughput $> 150$ requests/giây)
  • Môi trường phần mềm: Docker Container chạy nền tảng Ubuntu 20.04 LTS, Cuda 11.2, Triton Inference Server hoặc FastAPI + Uvicorn.
  • Phân tích ROI: Giảm 70% thời gian tìm kiếm sản phẩm của khách hàng trên website thời trang; tăng tỉ lệ chuyển đổi đơn hàng (Conversion Rate) thêm 15-22% nhờ tính năng Visual Search trực quan.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Quy mô lớp đối tượng: Mới bao phủ 10 trên tổng số 53 dân tộc thiểu số tại Việt Nam.
  • Mức độ phức tạp của khung hình: Mô hình hiện tại giả định ảnh đầu vào có một đối tượng người mặc trang phục chiếm diện tích chủ đạo; hiệu năng giảm nếu có nhiều người trong một khung hình hoặc trang phục bị che khuất quá $50%$.

Hướng phát triển tiếp theo

  1. Mở rộng tập dữ liệu VEMC toàn diện 54 dân tộc: Mở rộng thu thập dữ liệu chuẩn hóa cho toàn bộ 54 dân tộc Việt Nam kết hợp các biến thể trang phục theo vùng miền và giới tính (nam, nữ, trang phục cưới, trang phục lễ hội).
  2. Chuyển đổi sang kiến trúc End-to-End Object Detection & Segmentation: Ứng dụng các mô hình tiên tiến như YOLOv8/YOLOv9 hoặc Mask R-CNN để phát hiện đồng thời nhiều người mặc và phân đoạn chính xác từng thành phần trang phục (áo cóm, xà cạp, khăn piêu, vòng cổ bạc).
  3. Tối ưu hóa Edge AI: Lượng tử hóa mô hình (Model Quantization INT8 / TensorRT) để tích hợp trực tiếp vào ứng dụng di động iOS/Android chạy offline không cần Internet.

Đối tượng hưởng lợi

+-------------------+----------------------------------------------------------------+
| NHÓM ĐỐI TƯỢNG    | GIÁ TRỊ VÀ LỢI ÍCH ĐỊNH LƯỢNG                                  |
+-------------------+----------------------------------------------------------------+
| Sinh viên & Học   | Nguồn tài liệu tham khảo chuẩn mực về pipeline kết hợp giữa    |
| viên nghiên cứu   | Deep Feature Extraction và Machine Learning; cung cấp bộ dữ    |
|                   | liệu VEMC21 phục vụ nghiên cứu học thuật tiếp theo.            |
+-------------------+----------------------------------------------------------------+
| Kỹ sư AI & Lập    | Mẫu kiến trúc xử lý ảnh thực tế, mã nguồn tiền xử lý chuẩn và  |
| trình viên        | chiến lược triển khai Deep Feature Extractor với độ trễ thấp. |
+-------------------+----------------------------------------------------------------+
| Doanh nghiệp      | Giải pháp Visual Search gia tăng trải nghiệm người dùng, đẩy   |
| E-Commerce        | mạnh doanh số thuê/bán trang phục truyền thống.                |
+-------------------+----------------------------------------------------------------+
| Tổ chức Văn hóa   | Công cụ số hóa hỗ trợ bảo tồn, giáo dục di sản và ngăn chặn    |
| & Du lịch         | tình trạng biến tướng trang phục truyền thống trên không gian  |
|                   | mạng.                                                          |
+-------------------+----------------------------------------------------------------+

Câu hỏi thường gặp

1. Hệ thống yêu cầu cấu hình phần cứng tối thiểu như thế nào để triển khai?

Để triển khai dịch vụ suy luận ở quy mô vừa (dưới 20 requests/giây), chỉ cần máy chủ Cloud tiêu chuẩn 2 vCPU, 4GB RAM chạy CPU inference (sử dụng kiến trúc MobileNetV2 + Logistic Regression đạt độ trễ $\approx 15\text{ms}$/ảnh). Nếu sử dụng ResNet50 với lưu lượng lớn, khuyến nghị trang bị thêm GPU NVIDIA T4 để tối ưu hóa xử lý song song theo lô (Batch processing).

2. Khả năng mở rộng quy mô (Scalability) của mô hình khi thêm các dân tộc mới ra sao?

Kiến trúc trích xuất đặc trưng độc lập với bộ phân loại cho phép mở rộng cực kỳ linh hoạt. Khi bổ sung dân tộc mới, chỉ cần trích xuất vector đặc trưng của ảnh mới qua mạng ResNet50/EfficientNetB0 đã đóng băng và huấn luyện lại bộ phân loại Logistic Regression trong vài chục giây mà không cần tốn hàng chục giờ để fine-tune lại toàn bộ mạng học sâu.

3. Làm thế nào để tích hợp mô hình vào website thương mại điện tử hiện có?

Hệ thống được đóng gói dưới dạng Docker Container cung cấp chuẩn RESTful API. Hệ thống backend hiện tại của website (PHP, Node.js, Java, .NET) chỉ cần gửi HTTP POST request chứa file ảnh chụp từ khách hàng tới endpoint /api/v1/costumes/classify và nhận về nhãn dân tộc cùng điểm tin cậy để truy vấn cơ sở dữ liệu sản phẩm tương ứng.

4. Chi phí duy trì và bảo trì định kỳ của giải pháp là bao nhiêu?

Chi phí vận hành rất thấp do mô hình sử dụng ít tài nguyên tính toán. Một máy chủ ảo hóa chi phí khoảng $15 - $30/tháng có thể phục vụ hàng trăm ngàn lượt tra cứu mỗi tháng. Công tác bảo trì chỉ yêu cầu cập nhật lại trọng số bộ phân loại khi bổ sung mẫu dữ liệu mới.

5. Tại sao nghiên cứu sử dụng kết hợp Deep Features với Logistic Regression thay vì Fine-tuning toàn bộ mạng CNN?

Với tập dữ liệu quy mô $2,889$ ảnh, việc huấn luyện toàn bộ mạng sâu hàng chục triệu tham số dễ dẫn đến hiện tượng quá khớp (overfitting). Việc tận dụng mạng pre-trained trên ImageNet làm bộ trích xuất đặc trưng kết hợp với bộ phân loại tuyến tính Logistic Regression mang lại sự cân bằng hoàn hảo: vừa tận dụng được không gian biểu diễn mạnh mẽ của deep network, vừa đảm bảo tốc độ huấn luyện nhanh và khả năng tổng quát hóa cao.

Kết luận

Khóa luận tốt nghiệp "Phân loại trang phục dân tộc thiểu số Việt Nam" của tác giả Huỳnh Thị Bích Tuyền (Khoa Hệ thống Thông tin, Trường Đại học Công nghệ Thông tin - ĐHQG TP.HCM, thực hiện tại phòng thí nghiệm MMLab) đã giải quyết thành công bài toán nhận dạng văn hóa bản địa bằng công nghệ thị giác máy tính hiện đại.

Bằng việc xây dựng thành công bộ dữ liệu chuẩn VEMC21 gồm 2,889 ảnh của 10 dân tộc thiểu số phổ biến và chứng minh thực nghiệm mô hình kết hợp ResNet50 + Logistic Regression đạt độ chính xác ấn tượng 90.33%, đề tài không chỉ đóng góp giá trị học thuật quan trọng được công nhận tại hội nghị khoa học mà còn mở ra tiềm năng ứng dụng to lớn trong thương mại điện tử, số hóa di sản và bảo tồn bản sắc văn hóa dân tộc Việt Nam trong kỷ nguyên số.