Chương 1: Tổng quan về đề tài. Nội dung của chương này giới thiệu về hiện trạng nghiên cứu của công nghệ OCR va ứng dụng của nó trong cuộc sống hiện nay, và trình bày sự quan trọng của ngoại ngữ, các chứng chỉ điểm, mong muốn về tính ứng dụng của đề tài và hiện trạng nhập liệu ở các cơ quan hiện nay. Và chúng tôi còn trình bày một số công trình nghiên cứu mà chúng tôi đã tham khảo trong quá trình chúng tôi nghiên cứu cách xác định bài toàn cũng như cách giải quyết bài toán chính của khóa luận này. « Chương 2: Bài toán trích xuất thông tin trên ảnh chụp chứng chi TOEIC Nghe và đọc.
Chương này trình bày cách xác định bài toán, đầu vào cũng như đầu ra của bài toán, nêu những thách thức, vân dé cân giải quyét và hướng giải quyết của nó. * Chương 3: Xây dựng bộ dữ liệu cho bài toán trích xuất thông tin trên ảnh chứng chỉ TOEIC Nghe và đọc. Trong chương này, chúng tôi trình bày chỉ tiết cách chúng tôi tạo ra các điểm dữ liệu, cách chụp ảnh dữ liệu cũng như cách gán nhãn cho bộ dữ liệu ảnh chứng chỉ TOEIC nghe và đọc. * Chương 4: Cơ sở lý thuyết về hướng tiếp cận và giải quyết bài toán chính.
Đến chương này, chúng tôi trình bày chỉ tiết về các phương pháp tiếp cận cũng như các mô hình mà chúng tôi dùng huấn luyện cho ba tác vụ là Phát hiện, Nhận diện và Trích xuất thông tin khóa trên ảnh chứng chỉ tiếng Anh. ¢ Chương 5: Cai đặt, thực nghiệm và đánh giá. Trình bảy cách thức cài đặt các tham số cho việc huấn luyện mô hình, cách thức CÀI ĐẶT cho bài toán Trích xuất thông tin trên ảnh chụp chứng chỉ TOEIC nghe và đọc của chúng tôi và đánh giá kết quả dựa trên các mô hình đã huấn luyện, và hệ thống của chúng tôi. * Chương 6: Kết luận và hướng phát triển Tổng kết lại những kết quả đã đạt được và nêu những hướng phát triển chúng tôi sẽ tiếp tục thực hiện sau khi hoàn thành khóa luận này.
TONG QUAN VE DE TÀI. Giới thiệu về đề tài Tiếng Anh là một ngôn ngữ quốc tế được sử dụng rộng rãi trên toàn thế giới. Theo số liệu của Educational Testing Service (ETS), tổ chức hàng đầu về biên soạn chương trình kiểm tra và đánh giá ngôn ngữ, hàng triệu người trên toàn cầu đang tận dụng kết quả của các bài thi đánh giá năng lực tiếng Anh dé đo lường và xác định trình độ ngoại ngữ cá nhân, kết quả của những bài thi này không chỉ là một đánh giá về khả năng sử dụng tiếng Anh mà còn trở thành một tiêu chí quan trọng trong quá trình tuyển dụng của nhiều doanh nghiệp, tạo ra cơ hội mở rộng cho sự phát triển sự nghiệp và tìm kiếm cơ hội du học. Trong danh sách những bài kiểm tra đó, Test of English for International Communication (TOEIC) nổi bật như một bài kiểm tra phô biến và được sử dụng rộng rãi trên hon 160 quốc gia trên thé giới.
TOEIC không chỉ đơn thuần là một bài kiểm tra, mà là một phương tiện quan trọng để đánh giá khả năng sử dụng tiếng Anh trong môi trường quốc tế, phản ánh chân thực kỹ năng ngôn ngữ của người thi. Tại Việt Nam, kết quả TOEIC nghe và đọc đã trở thành một tiêu chuẩn dau ra quan trọng đối với hầu hết các trường Đại học, sinh viên không chỉ nắm bắt kiến thức chuyên ngành mà còn cần có khả năng sử dụng tiếng Anh một cách linh hoạt và hiệu quả, điều này đặt ra một thách thức lớn, đồng thời mở ra nhiều cơ hội khi có kết quả TOEIC xuất sắc. Không chỉ ảnh hưởng đến sinh viên, mà kết quả TOEIC cũng chịu tác động lớn trong lĩnh vực tuyên dụng của các doanh nghiệp trong nước, việc sử dụng TOEIC như một tiêu chí đánh giá khả năng sử dụng tiếng Anh hiệu quả giúp đảm bảo răng nguồn nhân lực có đủ kỹ năng dé thích ứng và giao tiếp trong môi trường làm việc ngày càng quốc tế hóa. Kết qua TOEIC nghe đọc không chi là một con số trên bảng điểm, mà là một phản ánh chính xác về khả năng hiểu và sử dụng tiếng Anh của người thi trong cả bốn kỹ năng là nghe, nói, đọc và viết, sự linh hoạt này làm cho TOEIC nghe đọc trở thành một công cụ đa chiều, không chỉ đánh giá trình độ mà còn cung cấp thông tin chỉ tiết về khả năng giao tiếp thực tế.
: CAk-elfmgrseerieesirlIẤ số vata MO iain Lee Giana Caren Oh Estey Wee WS 1 NA, eset, ape gee ecient tL te aS Tuy nhiên, ở trong thời đại hiện nay, nhu cầu trích xuất thông tin từ tài liệu, văn bản, quét hoặc chụp nhanh chóng và chính xác là ngày cảng quan trọng. Quy trình này không chỉ giúp các cơ quan, tô chức tiết kiệm thời gian mà còn đảm bảo tính chính xác và độ tin cậy của đữ liệu. Tuy nhiên, đề thực hiện công việc nảy một cách hiệu quả và chính xác, doi hỏi sự khắt khe và chuyên nghiệp, đặc biệt là khi nói đến việc xác định từng ký tự và trường thông tin quan trọng. Mặt khác, các máy scan hiện nay chỉ có thé quét các hình ảnh và trả về chúng ở hình dang số hóa, không thé đọc được những thông tin cần thiết dé trích xuất.
May mắn thay, với sự phát triển mạnh mẽ của công nghệ học sâu, máy tính ngày nay có khả năng hỗ trợ con người trong việc xác định vị trí, nhận diện và phân loại thông tin văn bản từ các tài liệu tiếng Anh một cách nhanh chóng và chính xác. Công nghệ này không chỉ giúp giảm gánh nặng công việc cho nhân viên mà còn đảm bảo tính chính xác cao đến từng ký tự, giúp người dùng dễ dàng xác minh thông tin một cách chính xác và thuận tiện. Sự kết hợp giữa máy tính, đặc biệt là công nghệ học sâu và quá trình quản lý thông tin từ chứng chỉ TOEIC nghe đọc có thê mang lại nhiều lợi ích, việc áp dụng công nghệ giúp tăng cường hiệu suất, giảm nguy cơ sai sót, và tôi ưu hóa quy trình làm việc. Dong thời, việc nhanh chóng xác định và chính xác thông tin từ tài liệu giúp tăng cường tính minh bạch và tin cậy trong quá trình quản lý thông tin chứng chỉ TOEIC nghe và đọc.
Gần đây, việc nhận diện và trích xuất các thông tin từ hình ảnh thu hút được sự quan tâm lớn từ cộng đồng nghiên cứu và đây cũng là bài toán day tính thách thức bởi vi anh có thé bị mờ, không chất lượng do thiếu ánh sáng gây khó khăn trong quá trình xử lý. Tuy nhiên, với sự phát triển và tốc độ xử lý của các mô hình học máy, vấn đề nhận diện văn bản đã được giải quyết bằng nhiều phương pháp. Một trong những phương pháp này là phát hiện các ky tự quang học riêng lẻ (Optical Character Recognition — OCR) và sau đó kết hợp chúng thành các từ có nghĩa phục vụ cho bài toán Trích xuất thông tin khóa (Key Information Extraction — KIE) — Có thé thấy công nghệ OCR hiện nay đã được ứng dụng rộng rãi trong đời sống, trong nhiều lĩnh vực, đã có rất nhiều các công bố khoa học đã được đăng tại những hội nghị lớn nhỏ uy tín trên toàn thế giới. Vì những lý do được nêu trên, trong khóa luận này, chúng tôi tiến hành Xây dựng bộ dữ liệu và hệ thống cho bài toán trích xuất thông tin trên hình ảnh Chứng chỉ TOEIC nghe đọc mà chúng tôi tự thu thập bằng cách sử dụng các kỹ thuật xử lý ảnh, phát hiện và trích xuất thông tin trên bộ dữ liệu bao gồm hình ảnh của các chứng chỉ TOEIC nghe đọc do chúng tôi thu thập.
Chúng tôi mong muốn rằng giải pháp này sẽ giúp các trường đại học, doanh nghiệp, tập đoàn tiết kiệm thời gian và giảm thiểu sai sót trong quá trình quản lý thông tin. Đề tài trích xuất thông tin từ ảnh chụp chứng chỉ tiếng Anh này của chúng tôi có đầu vào là hình ảnh các chứng chỉ điểm qua các cuộc thi tiếng Anh, tuy nhiên, chúng tôi chỉ mới xây dựng được bộ dữ liệu bao gồm hơn 8.800 ảnh chụp chứng chỉ TOEIC nghe đọc, chưa bao gồm các chứng chỉ khác, và chúng tôi cũng đã xây dựng một hệ thống trích xuất thông tin dựa trên sự huấn luyện của bộ dir liệu chứa các ảnh chụp chứng chỉ TOEIC nghe đọc này, hệ thống của chúng tôi giải quyết ba tác vụ cơ bản như sau: (1) phát hiện, xác định vị trí văn bản trên ảnh chứng chỉ có chứa văn bản, (2) nhận diện các văn bản vừa được xác định vi trí ở tác vụ (1), (3) sau đó phân loại văn bản đã nhận diện được ở tác vụ (2) xuất ra thành tám trường thông tin của chứng chỉ, đó chính là: Họ 10 tên, Ngày sinh, Số định danh, Ngày thi, Ngày hết hạn chứng chỉ, Điểm thi Nghe, Điểm thi Đọc và Tổng điểm. Tính ứng dụng và đóng góp của đề tài Với những nghiên cứu ở trong khóa luận này của chúng tôi, chúng tôi mong muốn răng mình sẽ mang đến một số đóng góp nhỏ cho cộng đồng xử lý ảnh trên toàn thế giới nói chung cũng như ở nước ta nói riêng, đóng góp cho cộng đồng nghiên cứu bộ dữ liệu đề tiếp tục phát triển thêm những bai toán mới và làm phong phú thêm cho bộ dữ liệu hình ảnh trong lĩnh vực trích xuất thông tin. Và tôi mong muốn đề tài này sẽ được ứng dụng rộng rãi ở các trường đại học, các cơ quan, tổ chức, khi mà các trường đại học dùng các chứng chỉ điểm tiếng Anh dé xét chuẩn ngoại ngữ đầu ra, hoặc có thé dùng làm tiêu chí xét điểm chuẩn đầu vào.
Các cơ quan, t6 chức dùng các chứng chỉ điểm tiếng Anh dé xét bậc hạng lương dành cho nhân viên, hoặc với mục đích đọc thông tin dé tự động điền vào CV dé xin việc. Cụ thể hơn, đó là: * Trong lĩnh vực quản lý nhân sự, quá trình tự động hóa việc trích xuất thông tin từ hình ảnh chứng chỉ tiếng Anh đóng vai trò quan trọng trong việc nâng cao hiệu suất của hệ thống quản lý thông tin nhân sự. Cụ thé, thông tin quan trọng như băng cấp và chứng chỉ chuyên môn có thể được tự động xác định và nhập vào hệ thống một cách hiệu quả. Trong quá trình tuyển dụng, ứng dụng này giúp đánh giá kỹ năng và trình độ của ứng viên một cách chính xác và nhanh chóng.
¢ Trong lĩnh vực giáo dục, việc tự động trích xuất thông tin từ chứng chỉ làm nền tảng cho quản lý học vụ hệ thống.