Luận văn thạc sĩ về ứng dụng máy học trong nhận dạng thông tin cờ hiệu phất tay

Chuyên đề nghiên cứu Ứng dụng máy học trong nhận dạng thông tin cờ hiệu phất tay, cập nhật xu hướng mới, giá trị tham khảo cao cho chuyên gia y học

• Tác giả: Nguyễn Văn Hiếu
• Người hướng dẫn: PGS. Hà Hoàng Kha
• Trường học: Đại học Quốc gia TP. HCM
• Chuyên ngành: Kỹ thuật Viễn thông
• Đề tài: Ứng Dụng Máy Học Trong Nhận Dạng Thông Tin Cờ Hiệu Phất Tay
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Giới thiệu

Trong bối cảnh công nghệ thông tin phát triển mạnh mẽ, việc ứng dụng máy học vào lĩnh vực nhận dạng thông tin trở nên cần thiết. Đặc biệt, nhận dạng thông tin từ cờ hiệu phất tay là một lĩnh vực có tiềm năng lớn, đặc biệt trong các tình huống khẩn cấp hoặc khi giao tiếp bằng hình thức truyền thống không khả thi. Luận văn này tập trung vào việc phát triển một mô hình máy học để nhận diện các ký tự từ cờ hiệu phất tay, nhằm nâng cao hiệu suất truyền tải thông tin. Việc ứng dụng công nghệ nhận dạng trong lĩnh vực này không chỉ giúp cải thiện tốc độ truyền thông mà còn góp phần bảo tồn các phương pháp giao tiếp truyền thống.

1.1 Tính cấp thiết của đề tài

Với sự phát triển không ngừng của trí tuệ nhân tạo và máy học, việc áp dụng các công nghệ này vào lĩnh vực nhận dạng thông tin đang trở thành xu hướng tất yếu. Cờ hiệu phất tay là một phương pháp giao tiếp truyền thống, nhưng vẫn còn nhiều hạn chế về tốc độ và hiệu quả. Việc nghiên cứu và phát triển các giải pháp dựa trên máy học sẽ giúp tối ưu hóa quá trình nhận diện thông tin, từ đó cải thiện khả năng giao tiếp giữa các tàu trên biển hay giữa tàu và cảng biển. Đề tài này không chỉ có ý nghĩa lý thuyết mà còn mang lại giá trị thực tiễn cao, góp phần nâng cao hiệu quả trong các hoạt động hàng hải.

II. Lý thuyết về cờ hiệu phất tay và máy học

Chương này sẽ trình bày các khái niệm cơ bản về cờ hiệu phất tay và các phương pháp máy học liên quan. Cờ hiệu phất tay thường được sử dụng để truyền đạt thông tin trong các tình huống khẩn cấp, nhưng việc nhận diện thông tin từ cờ hiệu này đòi hỏi một hệ thống nhận diện chính xác và nhanh chóng. Trong bối cảnh này, hệ thống máy học có thể được áp dụng để phân tích hình ảnh và nhận diện các ký tự tương ứng từ các động tác của người phát tín hiệu. Các thuật toán như Support Vector Machine (SVM) và các mô hình neural network sẽ được khảo sát và áp dụng để xây dựng hệ thống nhận diện hiệu quả.

2.1 Các phương pháp nhận diện

Để thực hiện việc nhận diện thông tin từ cờ hiệu phất tay, cần phải khảo sát và lựa chọn các mô hình máy học phù hợp. Các mô hình như Resnet và Mobilenet đã được nghiên cứu và áp dụng trong nhiều lĩnh vực, bao gồm cả thị giác máy tính. Qua việc khảo sát các mô hình này, luận văn sẽ đề xuất một mô hình máy học tối ưu cho việc nhận diện các ký tự trong bảng chữ cái, từ đó cải thiện khả năng nhận diện thông tin từ cờ hiệu phất tay. Việc xây dựng một mô hình phù hợp không chỉ giúp nâng cao độ chính xác mà còn tăng tốc độ xử lý thông tin.

III. Thực nghiệm và đánh giá mô hình

Chương này sẽ trình bày chi tiết về quy trình thực nghiệm và đánh giá mô hình máy học được xây dựng. Sử dụng ngôn ngữ lập trình Python, các mô hình sẽ được triển khai và thử nghiệm trên tập dữ liệu thực tế. Đánh giá kết quả sẽ dựa trên các chỉ số như độ chính xác, độ nhạy và độ đặc hiệu của mô hình. Việc phân tích kết quả thực nghiệm sẽ cung cấp cái nhìn tổng quan về hiệu quả của mô hình trong việc nhận diện thông tin từ cờ hiệu phất tay. Thông qua việc áp dụng các phương pháp thống kê và phân tích dữ liệu, luận văn sẽ chỉ ra những điểm mạnh và điểm yếu của mô hình, từ đó đề xuất các hướng cải tiến trong tương lai.

3.1 Kết quả thực nghiệm

Kết quả thực nghiệm cho thấy mô hình máy học đã đạt được độ chính xác cao trong việc nhận diện các ký tự từ cờ hiệu phất tay. Qua việc phân tích kết quả, có thể thấy rằng việc sử dụng các mô hình như SVM và neural network đã mang lại hiệu quả rõ rệt. Đặc biệt, mô hình neural network cho thấy khả năng nhận diện tốt hơn trong các điều kiện ánh sáng khác nhau. Điều này chứng tỏ rằng việc áp dụng máy học vào lĩnh vực nhận diện thông tin từ cờ hiệu phất tay không chỉ khả thi mà còn có tiềm năng lớn trong việc cải thiện hiệu suất giao tiếp.

IV. Kết luận và hướng phát triển

Luận văn đã chỉ ra rằng việc ứng dụng máy học trong nhận diện thông tin từ cờ hiệu phất tay là một hướng đi tiềm năng. Kết quả nghiên cứu không chỉ có giá trị lý thuyết mà còn mang lại giá trị thực tiễn trong việc cải thiện khả năng giao tiếp trong các tình huống cần thiết. Đề xuất các hướng phát triển trong tương lai bao gồm mở rộng mô hình để nhận diện thông tin trong các điều kiện khác nhau, cũng như áp dụng các công nghệ mới trong trí tuệ nhân tạo để nâng cao độ chính xác và tốc độ nhận diện.

4.1 Hướng phát triển tiếp theo

Hướng phát triển tiếp theo có thể tập trung vào việc tích hợp các công nghệ mới trong lĩnh vực trí tuệ nhân tạo và máy học để mở rộng khả năng nhận diện. Việc áp dụng các mô hình tiên tiến hơn như Deep Learning có thể cải thiện đáng kể hiệu suất của hệ thống. Ngoài ra, việc thu thập và phân tích thêm dữ liệu thực tế cũng sẽ giúp mô hình trở nên mạnh mẽ hơn, từ đó đáp ứng tốt hơn nhu cầu thực tiễn trong các tình huống khẩn cấp.

Trích đoạn nội dung tài liệu

Chương 1 giới thiệu một cách nhìn tổng thể về sự phát triển của trí tuệ nhân tạo, thông tin cờ hiệu phất tay, những khảo sát làm cơ sở cho việc nghiên cứu của đề tài. Tác giả làm rõ vị trí vai trò và tính cấp thiết trong nâng cao hiệu suất thông tin cờ hiệu phất tay, từ những thực trạng trên trình bày lý do lựa chọn đề tài nghiên cứu. Tiếp theo trong chương là phần đối tượng và và phạm vi nghiên cứu, cũng như mục đích nghiên cứu của đề tài. Trong phần cuối Chương, tác giả trình bày những đóng góp và phương pháp nghiên cứu của đề tài.1 Tính cấp thiết 1.1 Xu hướng ứng dụng trí tuệ nhân tạo trong các lĩnh vực hiện nay Khoa học công nghệ ngày càng phát triển, trong đó có ngành công nghệ thông tin với nhiều thành tựu khoa học và tính ứng dụng rất cao trong đời sống con người.

Một số bài toán có tính phức tạp rất cao và không có tính logic thống nhất và rõ ràng, gây rất nhiều khó khăn cho việc lập trình một chương trình theo logic, chính vì điều đó công nghệ trí tuệ nhân tạo AI (Artificial Intelligence) ra đời để giải quyết những bài toán như vậy. AI là một kỹ thuật cho phép máy tính có thể thu thập thông tin, dữ liệu từ một tập dữ liệu ban đầu, sau đó thực hiện suy luận tương tự như con người. Allen Newell và Herbert Simon là những người tiên phong, đặt nền móng đầu tiên cho trí tuệ nhân tạo vào những năm 1950 tại trường đại học Carnegie Mellon [1]. Khái niệm này lần đầu tiên xuất hiện trong một hội nghị vào năm 1956 [2].

Trong thời gian đầu phát triển AI, có rất nhiều khái niệm mang tính mô hình, và rất trì tượng, để máy tính có thể học được những khái niệm mang tính trừu tượng trong thực tế, một khái niệm thu hẹp hơn AI là Máy học (Machine Learning) được ra đời vào những năm 1980. Nối tiếp sự phát triển của máy học trong đó có một hướng nghiên cứu về mạng neural (Neural Network) mang lại một số thành tựu quan trong, mạng neural ngày càng được phát triển và quá trình học của máy tính được cải thiện. 1 Ứng dụng máy học nhận dạng thông tin cờ hiệu phất tay GVHD: PGS. Hà Hoàng Kha Trong đó có kỹ thuật mạng nơ ron học sâu DNN (Deep Neural Network) xử lý các bài toán về lĩnh vực về robot, ngôn ngữ tự nhiên (NLP) và thị giác máy tính CV (Computer Vision) đạt được những kết quả rất cao.1 Ước lượng giá trị thu được từ AI vào năm 2030 của các khu vực trên thế giới [3].1 chúng ta thấy rõ giá trị của ngành trí tuệ nhân tạo ngày càng lớn, trong đó các nước lớn như Trung quốc đang chiếm tỷ lệ rất lớn so với phần còn lại của thế giới, theo sau đó là các nước Bắc Mỹ và Châu Âu.

Châu Á đang chiếm một phần tương đối nhỏ, cho thấy tiềm năng của trí tuệ nhân tạo ở khu vực Châu Á là rất lớn. Tại Việt Nam trong thời gian hơn 30 năm đổi mới, đất nước có nhiều chuyển biến, trở thành một nền kinh tế có tính hội nhập cao. Trong sự phát triển mạnh mẽ của cuộc cách mạng công nghiệp 4.0, chính phủ có nhiều chủ trương trong ứng dụng khoa học công nghệ cao vào các lĩnh vực kỹ thuật, kinh tế…v. được cụ thể hóa bằng quyết định số “38/2020/QĐ-TTg Danh mục công nghệ cao được ưu tiên đầu tư phát triển.

Thủ tướng Chính phủ đã ký, ngày 30/12/2020”, trong quyết định này thể hiện trí tuệ nhân tạo nằm trong danh mục được ưu tiên đầu tư, phát triển đầu tiên. Cùng với chủ trương của chính phủ các ngành cũng có những ứng dụng mạnh mẽ trong các lĩnh vực như kinh tế, y tế, sản xuất, bất động sản, giải trí [4] [5]. Trong lĩnh vực khoa học quân sự trí tuệ nhân tạo cũng là một mũi nhọn trong các chiến lược phát triển vũ khí trang bị ngày này. Những cường quốc về khoa học quân sự như Mỹ, NATO, Trung Quốc, Nga đang phát triển mạnh mẽ về trí tuệ nhân 2 Ứng dụng máy học nhận dạng thông tin cờ hiệu phất tay GVHD: PGS.

Hà Hoàng Kha tạo, trong đó Trung Quốc đang là quốc gia có sự ứng dụng mạnh mẽ nhất trí tuệ nhân tạo trong lĩnh vực khoa học quân sự. Trong chính sách quốc phòng của Mỹ có một báo cáo 750 trang về sự phát triển trí tuệ nhân tạo trong lĩnh vực khoa học quân sự, nhằm cân bằng sự phát triển của Trung quốc trong lĩnh vực này [6].2 Ứng dụng trí tuệ nhân tạo trong một số lĩnh vực [4]. Một số cuộc chiến tranh diễn ra gần đây như chiến tranh Vùng Vịnh, chiến tranh Kosovo và chiến tranh Afghanistan, cho thấy các loại vũ được sử dụng trong các cuộc chiến tranh này như robot, máy bay không người lái (UAV), thiết bị không người lái dưới nước (AUV), có trang bị trí tuệ nhân tạo được sử dụng ngày càng nhiều. Những trang bị này đã khẳng định được vị trí, vai trò và tính hiệu quả của nó được thể hiện trong tác chiến [7].3 Hình ảnh minh họa cho các thiết bị robot và drone sử dụng trí tuệ nhân tạo trong tác chiến [7].

3 Ứng dụng máy học nhận dạng thông tin cờ hiệu phất tay GVHD: PGS. Hà Hoàng Kha Hình 1.4 Một AUV tấn công tàu hải quân; (a) khi UAV tiếp cận gần tàu, (b) Khi UAV tấn công vào tàu. Nguồn ảnh được cắt ra từ video trên mạng xã hội Youtube [8].4 cho thấy được một thiết bị máy bay không người lái tấn công tự sát vào một tàu hải quân. Chi phí sản xuất một thiết bị AUV là thấp hơn rất nhiều so với sự tàn phá của nó cho đối phương.

Thị giác máy tính (Computer Vision) là một phần trong trí tuệ nhân tạo, trong đó máy tính, hệ thống thực hiện lấy những thông tin mang tính đặc trưng từ ảnh, video và các thiết bị trực quan khác, sau đó đưa ra những nhận định hoặc gợi ý về những dữ liệu được nhận từ ngõ vào. Tổng hợp một số công trình nghiên cứu trong lĩnh vực máy học và thị giác máy tính.  Một thuật toán Local Binary Pattern Histogram (LBPH) giải quyết bài toán nhận dạng khuôn mặt dưới những điều kiện khác nhau như ánh sáng, nét mặt, biểu cảm của khách hàng, kết hợp với kiến trúc cơ bản Convolution Neural Network (CNN) chống sự giả mạo. Từ sự kết hợp trên tạo nên module eKYC (Electronic Know Your Customer) cho hệ thống nhận dạng và chống giả mạo [9].

 Những hành động của con người như cử chỉ, hay động tác di chuyển sẽ tương ứng với sự chuyển động trên khung xương, bằng việc biểu diễn vị trí tọa độ của một số điểm trên khung xương dưới dạng ma trận và sử dụng mạng CNN nhằm phát hiện động tác cơ bản của con người [10]. 4 Ứng dụng máy học nhận dạng thông tin cờ hiệu phất tay GVHD: PGS. Hà Hoàng Kha Hầu hết con người giao tiếp với nhau bằng giọng nói, tuy nhiên trong thực tế có nhiều người khiếm khuyết, người câm, người khiếm thính không có khả năng giao tiếp bằng giọng nói, phương pháp giao tiếp của họ là bằng ngôn ngữ ký hiệu. Hệ thống giúp hỗ trợ việc dịch những ngôn ngữ ký hiệu của người khiếm thính và người câm bằng sự kết hợp của mô hình CNN và Single Shot multi-box Detector (SSD) sử dụng cho phát hiện cử chỉ [11].

 Trong lĩnh vực quân sự, việc phát hiện đối tượng và phân loại đánh giá mức độ đe dọa của tường đối tượng rất quan trọng. Bằng cách kết hợp việc xử lý hình ảnh như tăng cường ảnh, triệt nhiễu đối tượng, phát hiện cạnh viền đối tượng, làm nổi bật đối tượng từ đó sử dụng phương pháp tìm kiếm nhanh đối tượng. Thuật toán có thể được kiểm nghiệm với việc phát hiện nhanh các đối tượng quân sự [12].2 Thực trạng sử dụng cờ hiệu phất tay hiện nay Truyền tin thị giác là một hình thức truyền thông tin đơn giản, bằng cách quan sát đối tượng phát tin, phương pháp truyền tin này gồm những hình thức như truyền tin cờ hiệu hàng hải, truyền tin đèn hiệu, truyền tin bằng gương hiệu và truyền tin bằng cờ hiệu phất tay (Semaphore Flags), những hình thức truyền tin này có sự ra đời trước điện tín, vô tuyến điện. Cờ hiệu phất tay là một hình thức trong truyền tin thị giác, hình thức truyền tin này có tốc độ nhanh hơn so với những hình thức như người đưa tin, tuy nhiên chúng bị hạn chế bởi những vấn đề về địa hình che khuất.

Ngày nay phương pháp truyền tin này sử dụng 2 người ở 2 đầu phát tin và thu tin, mỗi người sẽ sử dụng việc thay đổi vị trí của 2 lá cờ đang giữ để truyền thông tin [13]. Phương pháp truyền tin cụ thể sẽ được tác giả trình bày ở Chương 2 của đề tài này. Trong lĩnh vực hàng hải cờ hiệu vẫn đang được sử dụng rất nhiều, khi một tàu quốc tế đi vào một vùng biển của một quốc gia bất kỳ sẽ phải treo cờ hiệu quốc tế và cờ hiệu của quốc gia sẽ vào vùng lãnh hải. Tại Việt Nam chính phủ đã ban hành nghị định về quy định việc treo cờ hiệu hàng hải, khi tàu nước ngoài vào vùng lãnh hải của Việt Nam phải treo cờ Quốc kỳ của Việt Nam, tương tự như vậy khi tàu buôn của 5 Ứng dụng máy học nhận dạng thông tin cờ hiệu phất tay GVHD: PGS.

Hà Hoàng Kha Việt Nam vào vùng lãnh hải của các nước khi được sự cho phép của chính quyền, nội dung này được quy định cụ thể tại “Nghị định 58/2017/NĐ-CP, hướng dẫn Bộ luật Hàng hải Việt Nam về quản lý hoạt động hàng hải (có hiệu lực từ ngày 01/07/2017)”. Cờ hiệu phất tay vẫn được sử dụng khi tàu ra vào cảng, hay trao đổi thông tin khi tàu gặp nhau trên biển, trao đổi các phương thức liên lạc.5 Thủy thủ tàu 265 Hải quân Việt Nam đánh tín hiệu bằng cờ tay thực hiện thủ tục chào (Hello ASEAN) và trao đổi thông tin với biên đội tàu Hải quân Thái Lan [14]. Nhằm mục đích nâng cao hiệu quả của quá trình truyền cờ hiệu phất tay, Hải quân Việt Nam thường tổ chức các cuộc thi truyền thông tin bằng cờ hiệu phất tay, những cuộc thi này được tổ chức hằng năm [15]. Một hệ thống giải mã thông tin cờ hiệu phất tay bằng các phương pháp xử lý hình ảnh, tính khoảng cách Euclidean của 2 lá cờ, từ đó nhận định ký tự.

Nghiên cứu được thực hiện với tập dữ liệu được thu thập với điều kiện khoảng cách của máy ghi hình và người phát trong khoảng 3,5m đến 5m [16].