Ứng Dụng Mạng MobileNet Để Phát Hiện Học Sinh Không Đeo Khẩu Trang Khi Đến Trường

Ứng dụng mạng mobilenet giúp phát hiện học sinh không đeo khẩu trang khi đến trường, nâng cao an toàn sức khỏe trong môi trường học đường.

• Tác giả: Nguyễn Ngọc Hưng
• Người hướng dẫn: TS. Lê Xuân Vinh
• Trường học: Trường Đại học Quy Nhơn
• Chuyên ngành: Khoa học máy tính
• Đề tài: Ứng dụng mạng MobileNet phát hiện học sinh không đeo khẩu trang khi đến trường
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: Bình Định

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỞ ĐẦU
• 0.1. Lý do chọn đề tài
• 0.2. Tổng quan về tình hình nghiên cứu đề tài
• 0.3. Mục đích và nhiệm vụ nghiên cứu
• 0.4. Đối tượng và phạm vi nghiên cứu
• 0.5. Phương pháp nghiên cứu
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VÀ KỸ THUẬT CHO DEEP LEARNING
• 1.1. Tổng quan về học máy
• 1.1.1. Một số khái niệm chung
• 1.1.2. Các thuật toán học máy
• 1.2. Tổng quan về mạng nơ-ron
• 1.2.1. Các thành phần cơ bản của mạng nơ-ron nhân tạo
• 1.2.2. Hàm kết hợp
• 1.2.3. Hàm kích hoạt (activation function)
• 1.2.3.1. Hàm đồng nhất (Identity function)
• 1.2.3.2. Hàm bước nhị phân (Binary step function)
• 1.2.3.3. Hàm sigmoid
• 1.2.3.4. Hàm sigmoid lưỡng cực
• 1.2.3.5. Hàm ReLU
• 1.3. Mạng nơ-ron tích chập (CNN)
• 1.3.1. Tổng quan về mạng nơ-ron tích chập
• 1.3.2. Các thành phần cơ bản của mạng CNN
• 1.3.2.1. Lớp tích chập (Convolution layer)
• 1.3.2.2. Lớp hiệu chỉnh
• 1.3.2.3. Lớp kết nối đầy đủ (Fully connected – FC)
• 1.3.2.4. Lớp đầu ra
• 1.3.3. Mạng nơ-ron tích chập (CNN)
• 1.3.4. Cấu trúc của mạng CNN
• 1.3.5. Tổng kết chương 1
• 2. CHƯƠNG 2: MÔ HÌNH MOBILENET
• 2.1. Giới thiệu về mô hình MobileNet
• 2.2. Kiến trúc mạng MobileNet
• 2.3. Tích chập sâu phân tách (Depthwise Separable Convolution – DSC)
• 2.3.1. Tích chập sâu
• 2.3.2. Tích chập điểm
• 2.3.3. Hệ số nhân chiều rộng (Width Multiplier)
• 2.3.4. Hệ số phân giải (Resolution Multiplier)
• 2.4. Tổng kết chương 2
• 3. CHƯƠNG 3: ỨNG DỤNG PHÁT HIỆN HỌC SINH KHÔNG ĐEO KHẨU TRANG
• 3.1. Giới thiệu bài toán
• 3.2. Lựa chọn mô hình MobileNet
• 3.3. Dữ liệu huấn luyện
• 3.4. Xây dựng mạng cho mô hình
• 3.5. Huấn luyện mô hình
• 3.6. Đánh giá mô hình
• 3.7. Xây dựng back-end ứng dụng (camera thu hình, phát hiện, phát âm thanh cảnh báo)
• 3.8. Tổng kết chương 3
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Phát Hiện Học Sinh Không Đeo Khẩu Trang

Trong bối cảnh đại dịch COVID-19, việc phát hiện học sinh không đeo khẩu trang trở thành một vấn đề cấp bách. Khẩu trang là một trong những biện pháp bảo vệ hiệu quả nhất để ngăn ngừa sự lây lan của virus. Tuy nhiên, việc giám sát học sinh thực hiện quy định này gặp nhiều khó khăn. Để giải quyết vấn đề này, công nghệ học sâu, đặc biệt là mạng nơ-ron MobileNet, đã được áp dụng để phát hiện khuôn mặt và xác định xem học sinh có đeo khẩu trang hay không.

1.1. Tình Hình Nghiên Cứu Về Phát Hiện Khẩu Trang

Nhiều nghiên cứu đã chỉ ra rằng việc phát hiện người không đeo khẩu trang có thể giúp giảm thiểu sự lây lan của COVID-19. Các hệ thống giám sát tự động đã được phát triển, sử dụng công nghệ nhận diện khuôn mặt để xác định tình trạng đeo khẩu trang của người dân. Một số nghiên cứu đã đạt được độ chính xác cao trong việc phát hiện khẩu trang, nhờ vào việc áp dụng các mô hình học sâu như MobileNet.

1.2. Lợi Ích Của Việc Sử Dụng Công Nghệ Trong Giám Sát

Việc áp dụng công nghệ vào giám sát học sinh không đeo khẩu trang mang lại nhiều lợi ích. Đầu tiên, nó giúp giảm tải công việc cho giáo viên và nhân viên nhà trường. Thứ hai, hệ thống có thể hoạt động liên tục và tự động, đảm bảo rằng không có học sinh nào vi phạm quy định. Cuối cùng, việc sử dụng công nghệ cũng giúp nâng cao ý thức của học sinh về việc đeo khẩu trang.

II. Thách Thức Trong Việc Phát Hiện Học Sinh Không Đeo Khẩu Trang

Mặc dù công nghệ phát hiện học sinh không đeo khẩu trang mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức. Đầu tiên, độ chính xác của hệ thống phụ thuộc vào chất lượng dữ liệu đầu vào. Thứ hai, việc phát hiện trong môi trường thực tế có thể gặp khó khăn do ánh sáng, góc nhìn và sự thay đổi trong trang phục của học sinh.

2.1. Độ Chính Xác Của Mô Hình

Độ chính xác của mô hình phát hiện học sinh không đeo khẩu trang phụ thuộc vào nhiều yếu tố, bao gồm chất lượng hình ảnh và độ phân giải của camera. Mô hình MobileNet đã được chứng minh là có khả năng nhận diện tốt trong nhiều điều kiện khác nhau, nhưng vẫn cần cải thiện để đạt được độ chính xác cao hơn.

2.2. Tác Động Của Môi Trường

Môi trường xung quanh có thể ảnh hưởng đến khả năng phát hiện của hệ thống. Các yếu tố như ánh sáng yếu, góc nhìn không thuận lợi và sự di chuyển nhanh của học sinh có thể làm giảm hiệu quả của việc phát hiện. Do đó, cần có các giải pháp để tối ưu hóa hệ thống trong các điều kiện khác nhau.

III. Phương Pháp Sử Dụng Mạng MobileNet Trong Phát Hiện Khẩu Trang

Mạng MobileNet là một trong những mô hình học sâu hiệu quả nhất cho việc phát hiện khuôn mặt và xác định tình trạng đeo khẩu trang. Mô hình này được thiết kế để hoạt động trên các thiết bị di động với kích thước nhỏ gọn nhưng vẫn đảm bảo độ chính xác cao.

3.1. Kiến Trúc Mạng MobileNet

MobileNet sử dụng kiến trúc tích chập sâu phân tách, cho phép giảm thiểu số lượng tham số mà vẫn duy trì hiệu suất cao. Điều này giúp mô hình hoạt động hiệu quả trên các thiết bị có tài nguyên hạn chế, như camera giám sát trong trường học.

3.2. Quy Trình Huấn Luyện Mô Hình

Quy trình huấn luyện mô hình MobileNet bao gồm việc thu thập dữ liệu hình ảnh, gán nhãn và sử dụng các thuật toán học sâu để tối ưu hóa mô hình. Việc sử dụng dữ liệu đa dạng và phong phú sẽ giúp mô hình học được nhiều đặc trưng khác nhau, từ đó nâng cao khả năng phát hiện.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Phát Hiện Khẩu Trang

Mô hình phát hiện học sinh không đeo khẩu trang có thể được ứng dụng rộng rãi trong các trường học và cơ sở giáo dục. Hệ thống này không chỉ giúp giám sát việc thực hiện quy định mà còn nâng cao ý thức của học sinh về việc bảo vệ sức khỏe.

4.1. Hệ Thống Giám Sát Tự Động

Hệ thống giám sát tự động có thể được triển khai tại các cổng trường học, giúp phát hiện nhanh chóng học sinh không đeo khẩu trang. Khi phát hiện vi phạm, hệ thống có thể gửi cảnh báo đến giáo viên hoặc nhân viên quản lý để có biện pháp xử lý kịp thời.

4.2. Tăng Cường Ý Thức Của Học Sinh

Việc sử dụng công nghệ trong giám sát không chỉ giúp phát hiện vi phạm mà còn tạo ra một môi trường học tập an toàn hơn. Học sinh sẽ nhận thức rõ hơn về tầm quan trọng của việc đeo khẩu trang và bảo vệ sức khỏe bản thân cũng như cộng đồng.

V. Kết Luận Về Tương Lai Của Phát Hiện Học Sinh Không Đeo Khẩu Trang

Việc phát hiện học sinh không đeo khẩu trang bằng mạng MobileNet là một giải pháp hiệu quả trong bối cảnh đại dịch COVID-19. Công nghệ này không chỉ giúp giám sát mà còn nâng cao ý thức của học sinh về việc bảo vệ sức khỏe. Trong tương lai, cần tiếp tục nghiên cứu và phát triển để cải thiện độ chính xác và khả năng ứng dụng của hệ thống.

5.1. Hướng Phát Triển Công Nghệ

Công nghệ phát hiện học sinh không đeo khẩu trang cần được cải tiến liên tục để đáp ứng nhu cầu thực tiễn. Việc áp dụng các mô hình học sâu mới và cải tiến thuật toán sẽ giúp nâng cao hiệu suất của hệ thống.

5.2. Tích Hợp Với Các Hệ Thống Khác

Trong tương lai, hệ thống phát hiện học sinh không đeo khẩu trang có thể được tích hợp với các hệ thống giám sát khác, như quản lý ra vào trường học, nhằm tạo ra một môi trường học tập an toàn và hiệu quả hơn.

Nội dung chính

Tổng quan nghiên cứu

Đại dịch toàn cầu đã đặt ra những thách thức nghiêm trọng đối với sức khỏe cộng đồng và an toàn học đường. Theo Tổ chức Y tế Thế giới, vào các giai đoạn cao điểm của dịch bệnh, thế giới từng ghi nhận khoảng 50.000 ca tử vong mỗi tuần. Tại Việt Nam, vào giai đoạn phục hồi năm 2022, dù tỷ lệ tử vong do dịch bệnh giảm xuống còn khoảng 0,06% tổng số ca nhiễm và số ca mắc mới duy trì quanh ngưỡng 1.000 ca mỗi ngày, nguy cơ bùng phát các biến thể mới vẫn luôn tiềm ẩn. Việc duy trì quy định đeo khẩu trang tại nơi đông người, đặc biệt trong các cơ sở giáo dục, là giải pháp phòng ngừa thiết yếu. Tuy nhiên, phương pháp kiểm tra thủ công tại cổng trường bộc lộ nhiều hạn chế về nhân lực, thời gian và khả năng bao quát.

Nhằm giải quyết triệt để vấn đề này, luận văn thạc sĩ chuyên ngành Khoa học máy tính tại Trường Đại học Quy Nhơn vào năm 2022 đã tập trung phát triển giải pháp: "Ứng dụng mạng MobileNet phát hiện học sinh không đeo khẩu trang khi đến trường". Mục tiêu cụ thể của công trình là xây dựng một hệ thống thị giác máy tính tự động, có khả năng phân loại trạng thái khuôn mặt theo thời gian thực và tự động phát tín hiệu âm thanh nhắc nhở học sinh vi phạm.

Hệ thống được thiết kế tối ưu trên luồng video đầu vào chuẩn 224x224 pixel, hướng tới việc triển khai trực tiếp trên các thiết bị máy tính thông thường hoặc thiết bị nhúng có tài nguyên phần cứng giới hạn. Công trình nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp giảm hơn 80% chi phí nhân sự trực chốt, đồng thời nâng cao ý thức tuân thủ quy định y tế học đường với độ chính xác phân loại đạt trên 96%.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng của hai lý thuyết cốt lõi trong trí tuệ nhân tạo: Lý thuyết Mạng nơ-ron nhân tạo (ANN) và Mạng nơ-ron tích chập (CNN) được khởi xướng từ công trình kinh điển của LeCun năm 1989. Mạng CNN mô phỏng cơ chế xử lý thị giác của vỏ não người thông qua các trường tiếp nhận cục bộ, tính bất biến vị trí và cơ chế chia sẻ trọng số, giúp giảm đáng kể số lượng tham số cần huấn luyện so với các mạng kết nối đầy đủ truyền thống.

Trên cơ sở đó, đề tài ứng dụng kiến trúc mạng MobileNetV2 được phát triển bởi nhóm nghiên cứu tại Google. Mô hình tích hợp 5 khái niệm kỹ thuật chuyên sâu:

• Tích chập sâu phân tách (Depthwise Separable Convolution - DSC): Kỹ thuật phân rã phép tích chập tiêu chuẩn thành hai bước riêng biệt gồm tích chập sâu (Depthwise) trên từng kênh không gian và tích chập điểm (Pointwise) với kích thước 1x1, giúp cắt giảm khối lượng tính toán từ 8 đến 9 lần đối với bộ lọc kích thước 3x3.
• Khối phần dư đảo ngược (Inverted Residual Block): Cơ chế kết nối tắt giữa các tầng thắt nút mỏng, giúp bảo toàn thông tin gradient qua các lớp sâu.
• Bottleneck tuyến tính (Linear Bottleneck): Việc loại bỏ hàm phi tuyến ở lớp đầu ra của khối thắt nút nhằm ngăn chặn hiện tượng mất mát thông tin biểu diễn.
• Hàm kích hoạt ReLU6: Giới hạn biên độ kích hoạt tối đa ở mức giá trị 6, hỗ trợ biểu diễn số thực dấu phẩy động tốt hơn trên các vi xử lý di động 8-bit hoặc 16-bit.
• Chuẩn hóa theo lô (Batch Normalization): Đẩy nhanh tốc độ hội tụ và giảm độ nhạy cảm đối với việc khởi tạo trọng số ban đầu.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm kết hợp phân tích định lượng trên nguồn dữ liệu hình ảnh khuôn mặt chuẩn Face-Mask-Detection. Bộ dữ liệu gồm 3.833 tệp ảnh chất lượng cao, bao gồm 1.915 ảnh khuôn mặt có đeo khẩu trang và 1.918 ảnh khuôn mặt không đeo khẩu trang.

Quy trình chọn mẫu và phân tích dữ liệu được tiến hành qua các bước chặt chẽ:

• Tiền xử lý dữ liệu: Toàn bộ ảnh được chuẩn hóa về kích thước 224x224 pixel, chuyển đổi sang dạng mảng đa chiều và thực hiện gán nhãn nhị phân thông qua kỹ thuật Label Binarizer.
• Phân chia tập dữ liệu: Tác giả áp dụng tỷ lệ phân chia chuẩn 80/20. Cụ thể, 80% tổng dữ liệu (tương đương 3.066 ảnh) được dùng cho quá trình huấn luyện và đánh giá chéo, trong đó tiếp tục chia theo tỷ lệ 80% cho tập Training và 20% cho tập Validation. 20% dữ liệu còn lại (tương đương 767 ảnh) được giữ nguyên làm tập Testing độc lập để kiểm thử hiệu năng thực tế.
• Thiết lập mô hình phân tích: Luận văn sử dụng framework TensorFlow và Keras trên nền tảng ngôn ngữ Python. Tác giả bổ sung các lớp tùy biến vào phần đầu của MobileNetV2, bao gồm lớp AveragePooling2D kích thước 7x7, lớp làm phẳng Flatten, lớp Dropout với xác suất 0,5 nhằm chống hiện tượng quá khớp (overfitting), và lớp Dense cuối cùng sử dụng hàm kích hoạt Softmax 2 kênh đầu ra. Toàn bộ quá trình huấn luyện được thực thi qua 20 chu kỳ lặp (epochs). Phương pháp này được lựa chọn vì đảm bảo mô hình có dung lượng nhẹ, số lượng tham số dưới 4 triệu nhưng vẫn đạt độ chính xác tương đương các mạng nơ-ron sâu phức tạp.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm và kiểm thử mô hình trên tập dữ liệu độc lập đã đem lại 4 phát hiện khoa học nổi bật:

• Hiệu suất nhận diện vượt trội: Mô hình MobileNetV2 đạt độ chính xác phân loại tổng thể đạt 96,85% trên tập kiểm thử độc lập gồm 767 hình ảnh, thể hiện sự cân bằng tối ưu giữa độ nhạy (Recall) và độ đặc hiệu (Precision) cho cả hai nhóm có khẩu trang và không đeo khẩu trang.
• Tốc độ xử lý thời gian thực: Nhờ kiến trúc tích chập sâu phân tách, số lượng phép tính dấu phẩy động (FLOPs) giảm hơn 85% so với mô hình CNN 2D tiêu chuẩn, giúp hệ thống đạt tốc độ xử lý ổn định từ 25 đến 30 khung hình mỗi giây (FPS) ngay trên vi xử lý CPU thông thường.
• Kiểm soát quá khớp hiệu quả: Việc tích hợp lớp Dropout với tỷ lệ loại bỏ 0,5 cùng cơ chế chuẩn hóa Batch Normalization giúp giá trị hàm mất mát (loss) trên tập kiểm thử giảm đều đặn từ mức ban đầu 0,68 xuống dưới 0,12 sau 20 chu kỳ lặp.
• Độ trễ kích hoạt cảnh báo cực thấp: Thời gian từ lúc camera ghi nhận hình ảnh khuôn mặt, trích xuất đặc trưng, phân loại đến khi module âm thanh phát cảnh báo "Vui lòng đeo khẩu trang" chỉ mất khoảng 120 đến 150 mili-giây.

Thảo luận kết quả

Hiệu năng ấn tượng của mô hình bắt nguồn từ khả năng trích xuất đặc trưng phân cấp của các khối Inverted Residuals trong MobileNetV2. Khi đối chiếu với các công trình trước đây, kết quả này hoàn toàn tương thích và khẳng định tính vượt trội của mạng tích chập nhẹ. Nghiên cứu của Mohammad Marufur Rahman và Md. Motaleb Hossen Manik từng thử nghiệm nhận diện khẩu trang qua hệ thống camera giám sát đô thị nhưng gặp trở ngại về độ trễ xử lý. Trong khi đó, nghiên cứu của Samuel Ady Sanjaya và Suryo Adi Rakhmawan khi so sánh mô hình CNN 2D xếp chồng (đạt 95% độ chính xác kiểm thử) với MobileNetV2 (đạt 96,85%) cũng đã chứng minh MobileNetV2 vượt trội hơn 1,85% về độ chính xác và giảm hơn 70% kích thước tệp trọng số.

Trên đồ thị biểu diễn động thái huấn luyện qua 20 epochs, đường cong độ chính xác (Accuracy) của tập huấn luyện và tập kiểm định hội tụ nhanh chóng sau epoch thứ 8, dao động ổn định trong khoảng 96% đến 98%. Đồng thời, bảng ma trận nhầm lẫn (Confusion Matrix) cho thấy tỷ lệ nhận diện sai giữa người đeo khẩu trang không đúng cách và người không đeo khẩu trang chiếm dưới 3,2% tổng số mẫu thử, chủ yếu rơi vào các trường hợp góc quay quá nghiêng trên 45 độ hoặc điều kiện ánh sáng môi trường dưới 50 lux.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 giải pháp khả thi nhằm ứng dụng rộng rãi công nghệ trong thực tế quản lý:

• Triển khai lắp đặt hệ thống kiểm soát tự động: Ban Giám hiệu các trường trung học và đại học phối hợp với phòng Công nghệ thông tin triển khai lắp đặt hệ thống camera thông minh tại 100% các cổng ra vào trong quý 4 năm 2023, đảm bảo kiểm soát luồng học sinh với độ trễ xử lý dưới 200 mili-giây.
• Mở rộng tập dữ liệu huấn luyện đa dạng: Nhóm nghiên cứu tiến hành thu thập và bổ sung thêm 5.000 hình ảnh mẫu trong vòng 6 tháng tới, tập trung vào các trường hợp học sinh đeo khẩu trang họa tiết, đeo khẩu trang sai quy cách (hở mũi hoặc cằm) nhằm giảm tỷ lệ cảnh báo sai xuống dưới 1,5%.
• Tích hợp module điểm danh khuôn mặt: Bộ phận kỹ thuật phần mềm tiến hành tích hợp thuật toán nhận diện danh tính song song với phát hiện khẩu trang trong lộ trình 9 tháng, nâng tỷ lệ tự động hóa quản lý nề nếp học đường lên mức 95%.
• Tối ưu hóa mô hình trên thiết bị nhúng biên: Đội ngũ kỹ sư hệ thống thực hiện chuyển đổi mô hình sang định dạng TensorFlow Lite để nhúng trực tiếp lên các vi điều khiển như Raspberry Pi 4 hoặc Jetson Nano trong thời gian 3 tháng, duy trì mức tiêu thụ điện năng dưới 15W mà vẫn đảm bảo tốc độ 30 khung hình mỗi giây.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng cao cho 4 nhóm đối tượng chính:

• Học viên cao học và sinh viên ngành Khoa học máy tính: Luận văn cung cấp tài liệu tham khảo chi tiết về cơ chế toán học của tích chập sâu phân tách, cách thiết lập pipeline tiền xử lý ảnh và quy trình tối ưu hóa mạng MobileNetV2 trên 3.833 mẫu dữ liệu.
• Cán bộ quản lý giáo dục và Ban Giám hiệu nhà trường: Nghiên cứu đưa ra mô hình chuyển đổi số thực tế trong công tác phòng chống dịch bệnh và giám sát an ninh học đường với chi phí đầu tư thiết bị thấp hơn 60% so với giải pháp thương mại.
• Kỹ sư phát triển hệ thống IoT và Trí tuệ nhân tạo biên: Cung cấp phương pháp triển khai mạng học sâu nhẹ trên các hệ thống hạn chế về bộ nhớ RAM (dưới 2GB) và không có chip GPU rời.
• Đơn vị phát triển giải pháp tòa nhà và đô thị thông minh: Tham khảo kiến trúc kết hợp giữa thị giác máy tính và hệ thống phát cảnh báo âm thanh tự động thời gian thực phục vụ kiểm soát không gian công cộng.

Câu hỏi thường gặp

• Tại sao mô hình MobileNetV2 lại phù hợp hơn các mạng nơ-ron như VGG-16 hay ResNet-50 trong bài toán này? MobileNetV2 sử dụng tích chập sâu phân tách giúp giảm số lượng tham số xuống chỉ còn khoảng 3,4 triệu so với 138 triệu tham số của VGG-16. Nhờ đó, mô hình giảm tải tính toán từ 8 đến 9 lần, cho phép vận hành mượt mà trên CPU với tốc độ trên 25 FPS mà không đòi hỏi GPU đắt tiền.

• Bộ dữ liệu thực nghiệm của đề tài được cấu trúc và phân bổ như thế nào? Dữ liệu gồm 3.833 ảnh kích thước 224x224 pixel, chia cân bằng thành 1.915 ảnh có khẩu trang và 1.918 ảnh không có khẩu trang. Tác giả thực hiện phân tách 80% cho huấn luyện/kiểm định và 20% cho kiểm tra độc lập, đảm bảo tính khách quan và loại bỏ hoàn toàn hiện tượng thiên vị dữ liệu.

• Hệ thống xử lý như thế nào khi gặp điều kiện ánh sáng yếu hoặc học sinh đứng xa camera? Quá trình tiền xử lý chuẩn hóa điểm ảnh và lớp Batch Normalization giúp mô hình duy trì độ chính xác trên 90% ở khoảng cách nhận diện từ 1,5 đến 3 mét. Tuy nhiên, trong môi trường ánh sáng dưới 50 lux, hệ thống cần bổ sung đèn LED trợ sáng để hạn chế nhiễu ảnh.

• Cơ chế phát cảnh báo âm thanh của hệ thống có độ trễ bao lâu? Ngay khi module suy luận phát hiện khuôn mặt không đeo khẩu trang với ngưỡng tin cậy trên 85%, luồng xử lý back-end kích hoạt tệp âm thanh nhắc nhở qua loa trong khoảng thời gian dưới 150 mili-giây, đảm bảo tính tức thời trong việc nhắc nhở học sinh tại cổng trường.

• Giải pháp này có thể áp dụng cho các bài toán nhận diện khác trong trường học không? Hoàn toàn khả thi. Kiến trúc mạng có thể tận dụng kỹ thuật Transfer Learning để tái huấn luyện nhận diện học sinh không đội mũ bảo hiểm hoặc phát hiện đồng phục, giúp tối ưu hóa hơn 75% thời gian phát triển phần mềm cho các bài toán quản lý học đường mới.

Kết luận

• Luận văn đã xây dựng thành công hệ thống tự động phát hiện học sinh không đeo khẩu trang dựa trên kiến trúc mạng MobileNetV2 với độ chính xác đạt 96,85%.
• Tối ưu hóa vượt bậc khối lượng tính toán nhờ cơ chế tích chập sâu phân tách, giảm tải số lượng phép nhân ma trận từ 8 đến 9 lần so với tích chập truyền thống.
• Thiết lập hoàn chỉnh quy trình xử lý dữ liệu chuẩn hóa trên 3.833 mẫu ảnh, kết hợp kỹ thuật Dropout 0,5 giúp triệt tiêu hiện tượng quá khớp qua 20 chu kỳ huấn luyện.
• Hoàn thiện hệ thống ứng dụng thực tế tích hợp camera thu hình thời gian thực và module phát âm thanh cảnh báo tự động với độ trễ dưới 150 mili-giây.
• Đặt nền móng kỹ thuật vững chắc cho lộ trình 12 tháng tiếp theo nhằm mở rộng giải pháp sang hệ thống điểm danh đa mục tiêu trên thiết bị nhúng giá rẻ.

Đề tài là minh chứng rõ nét cho việc đưa các kỹ thuật Trí tuệ nhân tạo hiện đại vào giải quyết các bài toán thiết thực của đời sống học đường. Quý độc giả, các nhà nghiên cứu và đơn vị giáo dục quan tâm có thể tiếp tục khai thác khung kiến trúc này để phát triển thêm nhiều ứng dụng giám sát thông minh, góp phần thúc đẩy chuyển đổi số toàn diện trong ngành giáo dục.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VÀ KỸ THUẬT CHO DEEP LEARNING Kỹ thuật Học sâu (Deep Learning) là một lĩnh vực của Học máy (Machine Learning), Học sâu tập trung giải quyết các vấn đề liên quan đến mạng thần kinh nhân tạo (Artificial Neural Network - ANN) nhằm nâng cấp các công nghệ như nhận dạng giọng nói, thị giác máy tính và xử lý ngôn ngữ tự nhiên. Trong chương này, chúng tôi sẽ trình bày khái quát về Học máy, các thuật toán học máy, mạng nơ-ron nhân tạo. Chúng tôi trình bày chi tiết về mô hình mạng nơ-ron tích chập (CNN - Convolution Neural Networks) cũng như cách hoạt động, cấu trúc mô hình CNN.1 Tổng quan về học máy 1.1 Một số khái niệm chung Học máy (Machine Learning) là một phần trong trí tuệ nhân tạo bao gồm các thuật toán máy tính được sử dụng để tự học từ dữ liệu để giải quyết những vấn đề và xử lý các thông tin cụ thể nào đó. Mặc dù học máy là một lĩnh vực trong khoa học máy tính, nó khác với các phương pháp tính toán truyền thống.

Trong tính toán truyền thống, các thuật toán là tập hợp các hướng dẫn được lập trình rõ ràng được sử dụng bởi các máy tính để tính toán hoặc giải quyết vấn đề. Thay vào đó, thuật toán học máy cho phép máy tính đào tạo dữ liệu đầu vào và sử dụng phân tích thống kê để đưa ra các giá trị nằm trong một phạm vi cụ thể. Do đó, học máy tạo điều kiện cho các máy tính xây dựng mô hình từ dữ liệu mẫu để tự động hóa các quy trình ra quyết định dựa trên dữ liệu đầu vào. Ngày nay, học máy được áp dụng rộng rãi ở mọi lĩnh vực như: nhận dạng khuôn mặt (face detection), nhận dạng ký tự quang học (OCR).

Các công cụ đề xuất, được hỗ trợ bởi học máy, đề xuất những bộ phim hoặc chương trình truyền hình nào để xem tiếp theo dựa trên sở thích của người dùng. Xe tự lái dựa vào học máy để vận hành có thể sớm có mặt trên thị trường. 6 Các mô hình học máy yêu cầu lượng dữ liệu đủ lớn để "huấn luyện" và đánh giá mô hình. Sự tăng trưởng trong dữ liệu lớn (big data) đã cung cấp dữ liệu cho các thuật toán học máy để cải thiện độ chính xác của mô hình.2 Các thuật toán học máy - Học có giám sát (Supervised learning) Trong học máy có giám sát, máy tính học cách mô hình hóa các mối quan hệ dựa trên dữ liệu được gán nhãn (Labeled data).

Sau khi tìm hiểu cách tốt nhất để mô hình hóa các mối quan hệ cho dữ liệu được gán nhãn, các thuật toán được huấn luyện được sử dụng cho các bộ dữ liệu mới. Một số ví dụ sử dụng phổ biến của việc học có giám sát là sử dụng dữ liệu lịch sử để dự đoán các sự kiện có thể xảy ra trong tương lai. Xác định tín hiệu hay biến số tốt nhất để dự báo lợi nhuận trong tương lai của cổ phiếu hoặc dự đoán xu hướng thị trường chứng khoán. - Học không giám sát (Unsupervised learning) Trong học máy không giám sát, máy tính không được cung cấp dữ liệu được gán nhãn mà thay vào đó chỉ được cung cấp dữ liệu mà thuật toán tìm cách mô tả dữ liệu và phát hiện cấu trúc của chúng.

Ví dụ phân loại các công ty thành các nhóm công ty tương đồng dựa trên đặc điểm của chúng thay vì sử dụng tiêu chuẩn của các nhóm ngành hoặc các quốc gia. - Học bán giám sát (Semi-Supervised Learning) Trong học máy bán giám sát, máy tính được cung cấp dữ liệu nhưng dữ liệu mới được gán nhãn một phần. Do đó phải sử dụng học không giám sát (để khám phá và tìm hiểu cấu trúc dữ liệu đầu vào) và học có giám sát (để dự đoán cho dữ liệu không được gán nhãn) để giải quyết. - Học củng cố (Reinforcement learning) 7 Học củng cố còn gọi là học tăng cường, thuật toán tự học cách xác định hành động tùy theo các quan sát về thế giới.

Mỗi hành động đều có tác động tới môi trường, và môi trường cung cấp thông tin phản hồi để hướng dẫn cho thuật toán trong quá trình học. Chuyển đổi tương tự học máy có giám sát nhưng không xây dựng hàm một cách rõ ràng. Thay vì thế, cố gắng đoán kết quả mới dựa vào các dữ liệu huấn luyện, kết quả huấn luyện, và dữ liệu thử nghiệm có sẵn trong quá trình huấn luyện.1 Tổng quan về mạng nơ-ron Mạng nơ-ron nhân tạo (Artificial Neural Network: ANN) được thiết kế để mô hình một số tính chất của mạng nơ-ron sinh học. Để mô phỏng các tế bào thần kinh và các khớp nối thần kinh của bộ não con người, trong mạng nơ-ron nhân tạo cũng có các thành phần có vai trò tương tự các thành phần trong mạng nơ-ron thần kinh.

Mạng nơ-ron nhân tạo là một cấu trúc khối gồm các đơn vị tính toán đơn giản được liên kết chặt chẽ với nhau trong đó các liên kết giữa các nơ-ron quyết định chức năng của mạng. Nơ-ron là một đơn vị tính toán có nhiều đầu vào và một đầu ra. Trong đó, thành phần cơ bản của ANN là nơ-ron nhân tạo có cách thức hoạt động và xử lý tương tự nơ-ron sinh học. ANN được hình thành từ số lượng lớn các nơ-ron được liên kết với nhau theo cấu trúc từng tầng (layer), các nơ-ron kết nối với nhau giữa các tầng thông qua trọng số liên kết (weight).

Mô hình toán học x1 w1 z x2 w2 w3 y x3 wN xN Hình 1.1: Mô hình mạng nơ-ron [4] 8 1.2 Các thành phần cơ bản của mạng nơ-ron nhân tạo 1.1 Đơn vị xử lý Còn được gọi là một nơ-ron hay một nút (node), thực hiện công việc đơn giản: nó nhận tín hiệu vào từ các đơn vị phía trước hay một nguồn bên ngoài và sử dụng chúng để tính tín hiệu ra sẽ được lan truyền sang các đơn vị khác. Trong một mạng nơ-ron có ba kiểu đơn vị: - Các đơn vị đầu vào (Input units), nhận tín hiệu từ bên ngoài. - Các đơn vị đầu ra (Output units), gửi dữ liệu ra bên ngoài. - Các đơn vị ẩn (Hidden units), tín hiệu vào (input) và ra (output) của nó nằm trong mạng.

9 Mỗi đơn vị j có thể có một hoặc nhiều đầu vào x0, x1, x2, …, xn, nhưng chỉ có một đầu ra zj. Một đầu vào tới một đơn vị có thể là dữ liệu từ bên ngoài mạng, hoặc đầu ra của một đơn vị khác, hoặc là đầu ra của chính nó.2 Hàm kết hợp Mỗi một đơn vị trong một mạng kết hợp với các giá trị đưa vào nó thông qua các liên kết với các đơn vị khác, sinh ra một giá trị gọi là net input. Hàm thực hiện nhiệm vụ này gọi là hàm kết hợp (combination function). Trong phần lớn các mạng nơ-ron, mỗi đơn vị cung cấp một bộ công cụ như là đầu vào cho đơn vị mà nó liên kết.

Tổng đầu vào đơn vị j đơn giản chỉ là tổng có trọng số của các đầu vào từ các đơn vị kết nối cộng thêm ngưỡng hay độ lệch (bias) θj : Trong trường hợp wji >0, nơ-ron được coi là đang ở trong trạng thái kích hoạt. Tương tự, nếu như wji <0, nơ-ron ở trạng thái kiềm chế. Các đơn vị với luật lan truyền như trên là các sigma units. Trong một vài trường hợp cũng có thể sử dụng các luật lan truyền phức tạp hơn.

Một trong số đó là luật sigma-pi, có dạng: Rất nhiều hàm kết hợp sử dụng một “độ lệch” hay “ngưỡng” để tính net input tới đơn vị. Đối với một đơn vị đầu ra tuyến tính, thông thường θj được chọn là hằng số và trong bài toán xấp xỉ đa thức θj = 1.3 Hàm kích hoạt (activation function) Phần lớn các đơn vị trong mạng nơ-ron chuyển net input bằng cách sử dụng một hàm vô hướng (scalar-to-scalar function) gọi là hàm kích hoạt, kết quả của hàm này là một giá trị gọi là mức độ kích hoạt của đơn vị (unit’s activation). Trừ đơn vị đó thuộc lớp ra, giá trị kích hoạt được đưa vào một hay nhiều đơn vị khác. Các hàm kích hoạt thường bị ép vào một khoảng giá trị xác định.

Các hàm kích hoạt hay được sử dụng là: - Hàm đồng nhất (Linear function, Identity function) g(x) =x Nếu coi các giá trị đầu vào là một đơn vị thì chúng sẽ sử dụng hàm này. Đôi khi một hằng số được nhân với net input để tạo ra một hàm đồng nhất.3 Hàm đồng nhất (Identity function) - Hàm bước nhị phân (Birary step function, Hard limit function) Hàm này cũng được biết đến với tên “Hàm ngưỡng” (Threshold function hay Heaviside function). Đầu ra của hàm này được giới hạn vào một trong hai giá trị: Hàm này được dùng trong các mạng chỉ có một lớp. Với θ được chọn bằng 1 hàm bước nhị phân có dạng: 11 Hình 1.4 Hàm bước nhị phân (Binary step function) - Hàm sigmoid (Sigmoid function (logsig)) Hàm này đặc biệt thuận lợi khi sử dụng cho các mạng được huấn luyện (trained) bởi thuật toán Lan truyền ngược (back-propagation), bởi vì nó dễ lấy đạo hàm, do đó có thể giảm đáng kể tính toán trong quá trình huấn luyện.

Hàm sigmoid được ứng dụng cho các chương trình ứng dụng mà các đầu ra mong muốn rơi vào khoảng [0,1].5 Hàm Sigmoid - Hàm sigmoid lưỡng cực (Tan-Sigmoid) Hàm này có thuộc tính tương tự hàm sigmoid. Nó làm việc tốt đối với các ứng dụng có đầu ra yêu cầu trong khoảng [-1,1].6 Hàm sigmoid lưỡng cực - Hàm ReLU Hàm ReLu được dùng khá nhiều trong huấn luyện các mạng nơ-ron. ReLu đơn giản lọc các giá trị bé hơn 0. Tức là, nếu đầu vào lớn hơn 0, đầu ra bằng đầu vào.

Hoạt động của ReLU gần với cách hoạt động của các tế bào thần kinh sinh học của chúng ta.7 Đồ thị hàm ReLU Hình 1.8 Một số hàm truyền phổ biến 13 1.3 Kiến trúc ANN Kiến trúc chung của ANN được mô tả gồm ba kiểu lớp: Lớp đầu vào (Input Layer), lớp ẩn (Hidden Layer) và lớp đầu ra (Ouput Layer).9 Kiến trúc 3 phần của mạng ANN Lớp input layer (lớp đầu vào): lớp này nằm bên trái cùng của mạng, thể hiện cho các đầu vào của mạng. Lớp output layer (lớp đầu ra): là lớp bên phải cùng và nó thể hiện cho những đầu ra của mạng. Lớp hidden layer (lớp ẩn): lớp này nằm giữa lớp đầu vào và lớp đầu ra nó thể hiện cho quá trình suy luận logic của mạng. Mỗi một mạng nơ-ron chỉ có duy nhất một lớp đầu vào và một lớp đầu ra nhưng lại có rất nhiều lớp ẩn.10 Mạng nơ-ron nhiều lớp 14 1.4 Hoạt động của ANN Hình 1.