Chương 1 – Nội dung trình bày giới thiệu bối cảnh, động lực và mục tiêu của bài toán được đặt ra. Động lực nghiên cứu Đây là Đồ án 1 của sinh viên khoa CNPM, Trường ĐHCNTT. Chúng tôi thực hiện dưới sự hướng dẫn của TS. Nguyễn Tấn Trần Minh Khang và ThS.
Đề tài “Phát hiện ô tô” được chúng tôi chọn bởi sử gần gũi của nó đối với các vấn đề thực tế: - An toàn giao thông: Xây dựng hệ thống có khả năng phát hiện ô tô đóng vai trò quan trọng trong việc giảm tai nạn giao thông. Khả năng nhận diện ô tô không chỉ giúp hệ thống tự động nhận diện đúng thời điểm mà còn giúp tạo ra môi trường giao thông an toàn hơn cho tất cả mọi người. - Sự tiện lợi và hiệu quả: Công nghệ phát hiện ô tô có thể được áp dụng rộng rãi trong nhiều lĩnh vực, từ các hệ thống đỗ xe tự động đến quản lý luồng xe tại các đô thị đông đúc. Sự tự động hóa này không chỉ tiết kiệm thời gian mà còn tạo ra môi trường sống thông minh và tiện ích.
- Sáng tạo và tiềm năng phát triển: Việc nghiên cứu đề tài này là cơ hội để sáng tạo, phát triển các giải pháp công nghệ mới. Khám phá về cách các hệ thống AI có thể học và nhận biết ô tô không chỉ mở ra cánh cửa cho nhiều ứng dụng mới mà còn tạo nền tảng cho sự phát triển trong tương lai. - Đóng góp vào ngành công nghiệp: Hiểu biết sâu hơn về việc phát hiện ô tô có thể đóng góp vào ngành công nghiệp tự động hóa và xe tự lái. Công nghệ này không chỉ tạo ra cơ hội kinh doanh mà còn thúc đẩy sự tiến bộ trong lĩnh vực này.
2 Nghiên cứu không chỉ là công việc, mà còn là một cuộc phiêu lưu, một hành trình với những thử thách, khó khăn nhưng cũng là cơ hội để phát triển bản thân. Đó là sự trải nghiệm không ngừng, học hỏi không ngừng và sức mạnh của kiến thức và khả năng sáng tạo không có giới hạn. Phát biểu bài toán 1. Bài toán Phát hiện ô tô Đầu vào của bài toán là một bức ảnh, đầu ra là bức ảnh đó với các bounding box xung quanh những chiếc ô tô xuất hiện trong bức ảnh.
Đầu vào Đầu ra Hình 1-1 Đầu vào và đầu ra của bài toán Phát hiện ô tô 1. Bài toán Phát hiện phương tiện giao thông (Mở rộng) Đầu vào của bài toán là một bức ảnh, đầu ra là bức ảnh đó với các bounding box xung quanh những phương tiện giao thông xuất hiện trong bức ảnh và tên phương tiện đó. 3 Đầu vào Đầu ra Hình 1-2 Đầu vào và đầu ra của bài toán Phát hiện phương tiện giao thông 1. Bài toán Phân loại ô tô (Mở rộng) Đầu vào của bài toán là một bức ảnh, đầu ra là tên của dòng xa xuất hiện trong bức ảnh đó.
Huyndai Sonata Hybrid Sedan 12 Đầu vào Đầu ra 1. Các thách thức Nghiên cứu về phát hiện ô tô đối mặt với một số thách thức đáng kể, bao gồm: - Đa dạng về môi trường: Ô tô có thể xuất hiện trong nhiều môi trường khác nhau như đô thị, nông thôn, đường cao tốc, trong các điều kiện thời tiết và ánh sáng khác nhau. Điều này tạo ra một thách thức lớn trong việc xây dựng mô hình có khả năng nhận diện ô tô đồng đều và chính xác trong các điều kiện khác nhau. - Số lượng và kích thước đa dạng của ô tô: Các loại ô tô có kích thước, hình dạng và màu sắc đa dạng, từ xe hơi đến xe tải, từ các dòng xe sang trọng 4 đến xe cỡ nhỏ.
Việc nhận diện và phân biệt chúng đòi hỏi mô hình phải có khả năng xử lý đa dạng về kích thước và đặc điểm của ô tô. - Tính hiệu suất và tốc độ xử lý: Trong các ứng dụng thời gian thực như giám sát giao thông, việc xử lý ảnh nhanh chóng và chính xác là một thách thức đặc biệt. Mô hình cần có hiệu suất cao để xử lý ảnh trong thời gian ngắn. - Phức tạp của bối cảnh giao thông: Trong môi trường đô thị hay tại các điểm giao cắt đông đúc, có sự xuất hiện đồng thời của nhiều phương tiện di chuyển khác nhau như ô tô, xe máy, xe buýt, người đi bộ, và các vật thể khác.
Điều này làm tăng độ phức tạp của bài toán nhận diện ô tô khi cần phải phân biệt ô tô với các đối tượng khác. Mục tiêu và phạm vi nghiên cứu Mục tiêu: − Mục tiêu của dự án này là xây dựng một ứng dụng phát hiện ô tô chính xác và hiệu quả từ các hình ảnh. Bằng việc áp dụng các kỹ thuật và mô hình học máy tiên tiến, mục tiêu của chúng tôi là tạo ra một giải pháp có khả năng phát hiện ô tô trong các bối cảnh và điều kiện đa dạng, từ các đô thị đông đúc đến các vùng nông thôn. Chúng tôi cũng hướng tới việc tối ưu hóa mô hình để có thể mở rộng sử dụng trong các ứng dụng thực tế, từ giám sát giao thông đến các hệ thống tự động hóa.
− Ngoài ra, để mở rộng đồ án, chúng tôi còn nghiên cứu thêm về khả năng phân loại xe và khả năng phát hiện các phương tiện giao thông khác. Phạm vi: − Phạm vi của dự án này sẽ tập trung vào việc xử lý hình ảnh để nhận diện và định vị ô tô thông qua việc sử dụng các mô hình học máy. Chúng tôi sẽ tập trung vào việc tiền xử lý dữ liệu ảnh, lựa chọn và huấn luyện mô hình phù hợp để nhận diện ô tô trong các điều kiện khác nhau, cũng như tối ưu hóa mô hình để đảm bảo hiệu suất và độ chính xác cao. 5 − Dự án sẽ sử dụng tập dữ liệu đa dạng để đào tạo và đánh giá mô hình, bao gồm các ảnh từ nhiều nguồn khác nhau và với đa dạng về điều kiện ánh sáng, thời tiết, và môi trường.
Chúng tôi cũng sẽ tập trung vào việc đánh giá kết quả của mô hình dưới nhiều góc độ, từ độ chính xác đến tốc độ xử lý và khả năng mở rộng của nó trong các tình huống thực tế. Đóng góp của nghiên cứu Chính phủ Việt Nam có định hướng hiện đại hóa đất nước bằng việc ứng dụng hệ thống thông tin vào hoạt động quản lý giao thông nhằm đưa ngành vận tải chuyển đổi số trong giai đoạn 2020 – 2025, tầm nhìn đến năm 2030. Đặc biệt, dự án “Ứng dụng công nghệ thông tin vào quản lý và điều hành giao thông, tập trung vào lĩnh vực đường bộ” với nội dung triển khai hệ thống giao thông thông minh nâng cao (ITS) gần đây đã được phê duyệt. Chúng tôi hi vọng với những kết quả đạt được từ quá trình nghiên cứu sẽ đóng góp phần nào đó vào việc xây dựng ITS cũng như công cuộc hiện đại hóa đất nước.
Bố cục của báo cáo Phần còn lại của báo cáo được trình bày theo bố cục như sau: CHƯƠNG 2 – NGHIÊN CỨU MÔ HÌNH VÀ KẾT QUẢ: trình bày quá trình nghiên cứu thực nghiệm các mô hình để phục vụ bài toán. CHƯƠNG 3 – XÂY DỰNG ỨNG DỤNG: trình bày quá trình xây dựng ứng dụng hiện thực hóa các mô hình. CHƯƠNG 4 – KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN: trình bày tổng kết, đưa ra kết luận, nhận xét và định hướng cho tương lai. NGHIÊN CỨU MÔ HÌNH VÀ KẾT QUẢ 2.
Giải quyết bài toán “Phát hiện ô tô/phương tiện giao thông” với YOLO 2. Bộ dữ liệu UIT-VinaDeveS22 UIT-VinaDeveS22 là bộ dữ liệu được xây dựng để phát hiện phương tiện giao thông từ camera quan sát. 1364 bức ảnh (Ví dụ trong Hình 2-1) được lấy từ khung hình video do CCTV thu thập được lưu trữ trong UIT-VinaDeveS22. Tập dữ liệu này có độ phân giải khoảng 553 x 1012 pixel, trong đó thấp nhất là 354 x 630 pixel và lớn nhất là 720 x 1280 pixel.
Dữ liệu được thu thập cả ban ngày và ban đêm, trong điều kiện trời quang hoặc trời mưa. Tùy thuộc vào loại đường và thời gian trong ngày, mật độ giao thông có thể cao, trung bình hoặc thấp. Hình 2-1 Hình ảnh từ UIT-VinaDeveS22 UIT-VinaDeveS22 bao gồm: − 1364 hình ảnh: o Train: 653 o Val: 173 o Test: 538 − 15418 đối tượng: o Train: 7724 o Val: 1765 o Test: 5929 7 Sáu video được sử dụng để trích xuất hình ảnh, mỗi hình ảnh có khung cảnh phông nền, loại thời tiết và cách thiết lập ánh sáng khác nhau. Để đảm bảo đánh giá công bằng nhất, các mẫu của tập dữ liệu đã được chia thành các tập huấn luyện và kiểm tra một cách hợp lý.
UIT-VinaDeveS22 có một vài thách thức như sau: − Khó khăn trong việc phát hiện từng xe máy khi trời tối và đèn pha của xe khác đang bật. − Xe cộ đông đúc tại các ngã tư khó có thể quan sát rõ ràng từng phương tiện. Xe đạp/Xe máy là loại phương tiện có khung nhỏ, mỏng sẽ rất khó tìm thấy nếu bị bao quanh bởi các phương tiện khác, kể cả bằng mắt người. − Khi trời tối và mưa, hầu hết các xe máy đều có xu hướng chạy nhanh khiến hình dáng của xe bị biến dạng khi quay video.
− Một số lớp đối tượng không được khai báo có thể xuất hiện dẫn đến hiểu lầm với các phương tiện khác. Các mô hình YOLO 2. YOLOv5 YOLO v5 được giới thiệu vào năm 2020 bởi cùng nhóm đã phát triển thuật toán YOLO ban đầu như một dự án nguồn mở và được Ultralytics duy trì. YOLO v5 kết hợp nhiều cải tiến và tính năng mới đồng thời dựa trên sự phổ biến của các phiên bản trước đó.
YOLOv5 khác với YOLO ở chỗ nó sử dụng kiến trúc phức tạp có tên là EfficiencyDet (Hình ), dựa trên kiến trúc mạng EffientNet. YOLO v5 có thể đạt được độ chính xác cao hơn và khả năng khái quát hóa tốt hơn cho nhiều danh mục vật phẩm hơn nhờ kiến trúc phức tạp hơn. 8 Hình 2-2 EfficiencyDet Tập dữ liệu huấn luyện được sử dụng để huấn luyện mô hình phát hiện đối tượng là một điểm khác biệt giữa YOLO và YOLOv5. Bộ dữ liệu PASCAL VOC, có 20 loại đối tượng khác nhau, được sử dụng để huấn luyện YOLO.
Trong khi đó, YOLO v5 được đào tạo bằng D5, một tập dữ liệu lớn hơn và đa dạng hơn với tổng số 600 loại đối tượng. Các anchor trong YOLO v5 được tạo bằng kỹ thuật hoàn toàn mới được gọi là " dynamic anchor boxes". Các hộp giới hạn thực tế cơ bản trước tiên được nhóm thành các cụm bằng phương pháp phân cụm và các hộp neo sau đó được tạo bằng cách sử dụng trọng tâm của các cụm.