Chương 1. GIỚI THIỆU ĐÈ TÀI nghiệm được phân tích và thể hiện trong bảng biểu, đồ thị và các hình thức trực quan khác. Chương 5 tổng hợp những phát hiện chính của luận văn, đưa ra những kết luận chung, đồng thời gợi ý một số định hướng phát triển trong tương lai. Ngoài ra, Phụ lục 1 đề cập việc phát triển ứng dụng trực quan hóa kết quả nghiên cứu.
Phần này mô tả các thành phần chức năng của ứng dụng đã được phát triển cùng với hoạt động nghiên cứu. Bên cạnh đó, hình ảnh minh họa giao diện và cách sử dụng cũng được giới thiệu. KIEN THỨC NEN TANG VÀ CÁC CÔNG TRÌNH LIEN QUAN CHUONG 2: KIÊN THUC NEN TANG VÀ CAC CÔNG TRINH LIEN QUAN 2. Mang hoc sau tich chap (Convolutional Neural Network - CNN) Mang hoc sau tich chap dat nhiều thành tựu trong thị giác máy tính như nhận diện và phân loại đối tượng, phân đoạn ảnh, và phát hiện đối tượng.
Các thành phần chính của CNN gồm: 1. Tích chập (Convolution): Lớp này trích xuất các đặc trưng từ hình ảnh bằng cách áp dụng các bộ loc (kernels) di chuyển qua từng phan của ảnh. Kích hoạt (Activation): Thường dùng hàm kích hoạt ReLU đề thêm tính phi tuyên vào mô hình. Lay mẫu (Pooling): Giảm kích thước của đặc trưng (thường dùng Max Pooling), giúp giảm số lượng tham số và tăng hiệu quả tính toán.
Kết nối đầy đủ (Fully Connected): Lớp cuối cùng liên kết toàn bộ các đặc trưng đã trích xuât đê đưa ra dự đoán cuôi cùng. Sau khi CNN đã trở thành nền tảng cho nhiều tiến bộ vượt bậc trong thị giác máy tính, các nhà nghiên cứu tiếp tục cải tiền kiến trúc này nhằm giải quyết van đề suy giảm độ chính xác khi mạng trở nên quá sâu. Trong bối cảnh đó, mạng học sâu ResNet ra đời. Mang hoc sâu ResNet ResNet, viết tắt của "Residual Network," là một loại mạng học sâu (Deep Learning Neural Network) được Kaiming He và các đồng nghiệp giới thiệu trong năm 2015 qua bài báo "Deep Residual Learning for Image Recognition" tại hội nghị CVPR.
ResNet đã đánh dấu một bước ngoặt trong lĩnh vực học sâu và đã giành giải thưởng ImageNet Large Scale Visual Recognition Challenge (ILSVRC) vào năm 2015. Trước khi ResNet xuất hiện, một trong những khó khăn lớn nhất khi xây dựng mạng học sâu là vấn đề mất mát đạo hàm (vanishing gradient). Khi huấn luyện, giá 8 Chương 2. KIEN THỨC NEN TANG VÀ CÁC CÔNG TRÌNH LIEN QUAN trị đạo hàm của ham mat mát là thông tin phan hôi của quá trình lan truyên ngược.
Khi mang trở nên quá sâu, tại các lớp nơ-ron đâu tiên, giá tri này giảm xuông rat nhỏ, khiến cho việc cập nhật trọng số trở nên bat khả thi. ResNet giải quyết van dé này bằng cách giới thiệu một khái niệm gọi là huấn luyện phần dư (residual learning). Thay vì học một ánh xạ trực tiếp từ input đến output, ResNet học phan du (residual) giữa input và output. Y tưởng này được thực hiện bang cách thêm các kết nối tat (skip connections) đồng nhất dé xuyên qua một hay nhiều lớp trong mạng.
Một khối như vậy được gọi là một khối phần dư như trong Hình 2.1 dưới đây: weight layer x F(x) identity weight layer H(x) = F(#) +x @ Hinh 2. Mot khéi phan dư được sử dung trong ResNet [26]. Gia sử input là x, thay vi học một ánh xa H(x), ResNet hoc ánh xạ phan dư F(x) = H(x) — x. Do đó, ánh xạ ban đầu sẽ trở thành H(x) = F(x) +x.
Mang ResNet được xây dựng bằng cách xếp chồng nhiều khối phan dư. Một khối phần dư cơ bản bao gồm hai lớp convolutional (Conv), mỗi lớp theo sau là một lớp batch normalization (BN) và một hàm kích hoạt ReLU, cùng với một đường dẫn tắt kết nói trực tiếp input đến output. Ví dụ về một khối residual cơ bản: Input -> [Conv -> BN -> ReLU -> Conv -> BN] + Input -> ReLU -> Output Nhiều biến thé khác của kiến trúc ResNet đã được giới thiệu sau đó. Các nghiên cứu cho thây những kiên trúc mới có thê huân luyện mạng nơ-ron với độ sâu lên Chương 2.
KIEN THỨC NEN TANG VÀ CÁC CÔNG TRÌNH LIEN QUAN đến hàng nghìn lớp. Vì tính hiệu quả của nó, ResNet đã nhanh chóng trở thành kiến trúc phô biến nhất cho những bài toán liên quan đến thị giác máy tính. Mạng học sâu IBN-ResNet IBN-ResNet (Instance Batch Normalization ResNet) [15] cải thiện hiệu năng trong bài toán tái định danh người so với ResNet chủ yếu do cách xử lý tốt hon sự thay đổi trong hình ảnh của một người, như ánh sáng, góc nhìn, và tư thế. Dưới đây là những lý do chính: 1.
Kết hợp hai phương pháp chuẩn hóa: IBN-ResNet sử dụng một kỹ thuật kết hợp giữa chuẩn hóa thực thé (Instance Normalization - IN) và chuẩn hóa lô (Batch Normalization - BN) như Hình 2. IN giúp giảm sự khác biệt về màu sắc và ánh sáng của ảnh, trong khi BN giữ lại thông tin thống kê quan trọng của dữ liệu. Bằng cách kết hợp cả hai, IBN-ResNet có thể học được đặc trưng tốt hơn từ hình ảnh, giúp nhận diện người chính xác hơn trong các tình huéng khác nhau. X, 256d X, 256d X, 256d 1x1 conv, 64 1x1 conv, 64 1x1 conv, 64 BN, 64 IN, 32 BN, 32 BN, 64 ReLU ReLU ReLU + + + 3x3 conv, 64 3x3 conv, 64 3x3 conv, 64 BN, 64 BN, 64 BN, 64 ReLU ReLU ReLU + + + 1x1 conv, 256 1x1 conv, 256 1x1 conv, 256 BN, 256 BN, 256 BN, 256 IN, 256 = — R elU (a) original (b) IBN-a (c) IBN-b Hình 2.
Kiến trúc mang IBN [15] thay đổi từ ResNet 2. Đặc trưng bat biến với sự thay đổi: IN đặc biệt hữu ích trong việc loại bỏ sự khác biệt không liên quan giữa các hình ảnh, như sự thay đổi về ánh sáng 10 Chương 2. KIEN THỨC NEN TANG VÀ CÁC CÔNG TRÌNH LIEN QUAN và màu sắc. Điều này quan trọng trong tái định danh người vì nó giúp mô hình tập trung vào các đặc trưng quan trong dé phân biệt từng người, thay vi các yêu tô ngoại cảnh.
Khả năng tổng quát hóa tốt hơn: Việc sử dụng IBN giúp mô hình IBN- ResNet tổng quát hóa tốt hơn khi gặp các môi trường và điều kiện khác nhau, một yếu tố quan trọng trong bài toán tái định danh người, nơi mà các hình ảnh thường được chụp từ nhiều góc độ và điều kiện ánh sáng khác nhau. Cau trúc mạnh mẽ của ResNet: IBN-ResNet vẫn giữ lại cau trúc cơ bản của ResNet, nôi tiêng với khả năng học các đặc trưng sâu và tránh hiện tượng biên mat gradient trong quá trình huân luyện. Điêu này đảm bảo mô hình có thê học được các đặc trưng phức tạp cần thiết cho bài toán tái định danh. Hiệu năng cao hơn của IBN-ResNet so với ResNet đã được chứng minh trong các nghiên cứu và bài báo về tái định danh người, như việc sử dụng nó trong các bộ dữ liệu phức tạp với nhiều sự thay đổi về ánh sáng và môi trường.
Thuật toán phân cụm DBSCAN Phân cụm là một kỹ thuật quan trọng trong bài toán huấn luyện tái định danh người không giám sát nhằm tìm kiếm các cấu trúc ân trong tập dữ liệu hình ảnh của nhiều người khác nhau. Khi không có nhãn dữ liệu, phân cụm giúp nhóm các đối tượng tương đồng lại với nhau và gán nhãn giả dựa trên một số đặc trưng chung. Các phương pháp dựa trên phân cụm dan trở thành mô hình huấn luyện chính thống để đạt được hiệu năng cao. So với K-Means, thuật toán DBSCAN có ưu điểm không cần biết trước số cụm, có thể tìm ra các cụm có hình dạng tùy ý và phát hiện điểm nhiễu (noise).
Ý tưởng chính đằng sau DBSCAN là có một số lượng điểm tối thiểu sẽ nằm trong khoảng cách hoặc bán kính xác định từ điểm cụm "trung tâm" nhất, được gọi là điểm lõi. Các điểm trong bán kính đó là các điểm lân cận và các điểm ở rìa của vùng lân cận đó là các điểm biên hoặc điểm ranh giới. Bán kính hoặc khoảng cách vùng lân cận được gọi là vùng lân cận epsilon, hoặc đơn giản là ký hiệu của chữ cái II Chương 2. KIEN THỨC NEN TANG VÀ CÁC CÔNG TRÌNH LIEN QUAN Hy Lạp e.
Ngoài ra, khi có các điểm không phải là điểm lõi hoặc điểm biên vì chúng vượt quá bán kính dé thuộc về một cụm xác định và cũng không có sé luong diém tối thiểu dé trở thành điểm lõi, chúng được coi là điểm nhiễu.3 cung cấp một ví dụ trực quan với cài đặt số điểm lân cận tối thiểu MinPts = 3 trong bán kính e. Một “vùng dày đặc” được tao ra bởi số lượng tối thiểu các điểm lõi màu đỏ trong khoảng cách giữa tất cả chúng, e. Các điểm màu xanh lá cây nằm trong khoảng cách này nhưng không gần với số lượng tối thiểu các điêm khác được coi là diém biên. Điêm màu xanh biên còn lại là nhiều.
Các điềm lõi, biên và nhiễu theo DBSCAN Như tên gọi của nó, DBSCAN thực hiện phân cụm dựa trên mật độ. Các bước của thuật toán được tóm tắt như sau: 1. Khởi tạo: Chọn một điểm dữ liệu chưa được thăm. Mở rộng cụm: Nếu điểm đó có ít nhất MinPts điểm lân cận trong bán kính e, tạo một cụm mới hoặc thêm vào cụm hiện có.
Tiếp tục: Tiếp tục mở rộng cụm cho đến khi không thé thêm điểm nào nữa vào cụm đó. Lặp lại: Lặp lại cho các điểm đữ liệu chưa được thăm. KIEN THỨC NEN TANG VÀ CÁC CÔNG TRÌNH LIEN QUAN Lưu ý khi áp dụng thuật toán DBSCAN, hai thông số e và MinPts cần xác định trước, nên hiệu chỉnh siêu tham sô là cân thiệt dé cải thiện hiệu năng khi các cụm có mật độ thay đồi. Các nghiên cứu liên quan tái định danh người không giám sát 2.
Hệ thống ký hiệu Nhằm giúp người đọc dễ dàng tiếp cận các phương pháp, kỹ thuật đề xuất, chúng tôi trình bày tóm tắt các ký hiệu trong Bảng 2.1, bao gồm các ký hiệu của phần sau. Các ký hiệu và ý nghĩa tương ứng Ký hiệu Ý nghĩa X X = {x„}-¡tập dữ liệu bao gồm n ảnh người Xi Ảnh thứ i trong tập dữ liệu Y Y = {y,};-; tập nhãn/định danh của ø ảnh người Vi Nhãn/định danh cua ảnh thứ i Fo Mang hoc sau dua trén kiến trúc ResNet có bộ tham sô Ø f(.) Ham trích xuất đặc trưng + Không gian đặc trưng được trích xuất từ f(.