Xây dựng hệ thống đề xuất quảng cáo tự động tại siêu thị dựa trên mô hình nhận diện, phân loại giới tính và khoảng độ tuổi

Khóa luận hệ thống đề xuất quảng cáo tại siêu thị bằng YOLO - Đại học Kinh tế Huế

• Tác giả: Nguyễn Thị Nhật Loan
• Người hướng dẫn: TS. Hoàng Hữu Trung
• Trường học: Trường Đại học Kinh tế, Đại học Huế
• Chuyên ngành: Hệ thống thông tin quản lý
• Đề tài: Xây dựng hệ thống đề xuất quảng cáo tự động tại siêu thị dựa trên mô hình nhận diện, phân loại giới tính và khoảng độ tuổi
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Huế

Tóm tắt

I. Tổng quan đề xuất quảng cáo tại siêu thị của ĐH Kinh tế Huế

Khóa luận tốt nghiệp ngành Hệ thống thông tin quản lý tại Trường Đại học Kinh tế Huế tập trung phát triển mô hình tiếp thị thông minh. Đề tài áp dụng thị giác máy tính vào ngành bán lẻ hiện đại. Các siêu thị truyền thống thường phát nội dung tĩnh trên màn hình lớn. Hình thức này thiếu tính cá nhân hóa và lãng phí chi phí vận hành. Giải pháp từ nhóm nghiên cứu Đại học Huế thay đổi hoàn toàn cách tiếp cận này. Thiết bị camera thu nhận hình ảnh người mua sắm tại lối đi. Thuật toán trí tuệ nhân tạo lập tức trích xuất đặc trưng hình ảnh. Hệ thống nhận dạng khuôn mặt, xác định độ tuổi và phân tích giới tính trong tích tắc. Dữ liệu khách hàng được xử lý cục bộ nhằm đảm bảo tốc độ phản hồi nhanh. Màn hình tự động chuyển đổi banner quảng cáo phù hợp với từng nhóm nhân khẩu học. Khách hàng trẻ tuổi nhìn thấy các mặt hàng công nghệ hoặc thời trang. Khách hàng trung niên tiếp cận sản phẩm gia dụng và thực phẩm dinh dưỡng. Cách thức vận hành tự động giúp doanh nghiệp tối ưu nguồn lực truyền thông.

1.1. Bối cảnh nghiên cứu tại Trường ĐH Kinh tế Huế

Ngành bán lẻ tại Việt Nam đang trải qua làn sóng chuyển đổi số mạnh mẽ. Các siêu thị quy mô lớn cần giải pháp công nghệ nâng cao trải nghiệm khách hàng. Sinh viên Đại học Kinh tế Huế đã nhận ra điểm nghẽn của tiếp thị đại trà. Khóa luận tốt nghiệp hướng tới việc ứng dụng trí tuệ nhân tạo để xử lý vấn đề kinh tế cụ thể. Nghiên cứu kết hợp lý thuyết quản trị chuỗi cung ứng và kỹ thuật phân tích dữ liệu thị giác. Mô hình thử nghiệm hướng tới việc cải thiện tỷ lệ chuyển đổi đơn hàng tại điểm bán. Đề tài mở ra tiềm năng lớn cho các hệ thống siêu thị nội địa trong tương lai gần.

1.2. Mục tiêu tích hợp thị giác máy tính vào bán lẻ

Mục tiêu trọng tâm của nghiên cứu là tự động hóa khâu cá nhân hóa quảng cáo. Máy tính thay thế con người trong việc quan sát và ghi nhận đặc điểm khách hàng. Thiết bị phân tích hình ảnh ngay khi người mua bước vào tầm quét. Toàn bộ chu trình nhận diện và phát nội dung chỉ diễn ra trong vài giây. Doanh nghiệp cắt giảm đáng kể chi phí in ấn áp phích giấy truyền thống. Đồng thời, độ tiếp cận của các chiến dịch khuyến mãi tăng cao rõ rệt. Giải pháp tạo ra sự tương tác sinh động giữa người mua sắm và gian hàng. Khách hàng cảm thấy được quan tâm nhờ thông tin khuyến mãi đúng nhu cầu.

II. Thách thức quảng cáo siêu thị và nhu cầu ứng dụng YOLO

Quảng cáo tại các trung tâm bán lẻ đang đối mặt nhiều rào cản lớn. Phần lớn biển báo truyền thống hiển thị một nội dung cố định cho mọi đối tượng. Điều này gây lãng phí ngân sách và giảm mức độ chú ý của người tiêu dùng. Người mua sắm thường bỏ qua các áp phích không liên quan đến nhu cầu hiện tại. Bên cạnh đó, mật độ di chuyển trong siêu thị vô cùng đông đúc và phức tạp. Khách hàng liên tục thay đổi hướng đi và che khuất lẫn nhau trước ống kính camera. Những thiết bị phân tích cơ bản dễ bị nhầm lẫn hoặc đếm trùng lặp nhiều lần. Sai số này làm sai lệch dữ liệu phân tích hành vi của bộ phận tiếp thị. Doanh nghiệp thiếu công cụ đo lường mức độ tương tác thực tế của người xem với từng sản phẩm. Để giải quyết triệt để vấn đề này, hệ thống cần một giải pháp nhận diện nhanh và theo dõi chuyển động ổn định. Thuật toán thị giác máy tính phải đáp ứng yêu cầu xử lý liên tục với độ chính xác cao ngay trong điều kiện ánh sáng phức tạp.

2.1. Hạn chế từ các phương pháp tiếp thị đại trà

Phương pháp tiếp thị đại trà tại điểm bán bộc lộ nhiều điểm yếu cố hữu. Các tấm áp phích in sẵn không thể biến đổi thông tin linh hoạt theo thời gian. Màn hình phát video lặp lại gây ra cảm giác nhàm chán cho khách hàng thân thiết. Thông điệp không đánh trúng nhu cầu của từng nhóm tuổi cụ thể tại thời điểm mua sắm. Khách hàng trẻ thường có thói quen mua sắm khác biệt hoàn toàn so với người lớn tuổi. Việc đưa cùng một mẫu quảng cáo cho mọi đối tượng làm giảm đáng kể hiệu quả kích cầu. Doanh thu bán hàng không đạt mức kỳ vọng ban đầu của ban quản lý.

2.2. Vấn đề che khuất và theo dõi đối tượng liên tục

Môi trường siêu thị luôn có lưu lượng người qua lại rất lớn. Khách hàng thường xuyên di chuyển chéo nhau hoặc bị xe đẩy hàng che khuất tầm nhìn camera. Hiện tượng này khiến các thuật toán phát hiện đối tượng thông thường dễ bị mất dấu mục tiêu. Một người có thể bị hệ thống gán nhiều mã định danh khác nhau trong vài phút. Lỗi này dẫn đến việc thống kê sai lệch số lượng người tiếp cận quảng cáo. Hệ thống cũng có thể chuyển đổi nội dung liên tục gây khó chịu cho người quan sát. Vì vậy, bài toán duy trì dấu vết định danh ổn định trở thành yêu cầu kỹ thuật then chốt.

III. Giải pháp đề xuất quảng cáo bằng YOLO và DeepSORT ưu việt

Nghiên cứu ứng dụng mô hình một giai đoạn YOLO nhằm phát hiện vị trí khách hàng với tốc độ cao. Thuật toán này phân tích toàn bộ khung hình chỉ qua một lượt tính toán duy nhất của mạng nơ-ron. Vị trí khuôn mặt và cơ thể được khoanh vùng chuẩn xác trong thời gian thực. Sau đó, thuật toán DeepSORT tiếp nhận dữ liệu tọa độ để gán mã định danh duy nhất cho từng cá nhân. DeepSORT sử dụng bộ lọc Kalman nhằm ước tính quỹ đạo di chuyển tương lai. Thuật toán kết hợp trích xuất đặc trưng ngoại hình từ mạng tích chập sâu. Nhờ vậy, hệ thống không bị nhầm lẫn mục tiêu ngay cả khi xảy ra va chạm hay che khuất. Đồng thời, mô hình phân loại phụ trợ tiến hành dự đoán khoảng độ tuổi và giới tính của khách hàng. Cơ chế đề xuất lọc danh mục tiếp thị phù hợp từ cơ sở dữ liệu đã lập trình sẵn. Màn hình quảng cáo trình chiếu nội dung tương ứng với người đứng gần nhất hoặc nhóm đa số. Quy trình phối hợp nhịp nhàng giữa YOLO và DeepSORT tạo nên một hệ thống tự động hóa hoàn chỉnh.

3.1. Cơ chế nhận diện đối tượng theo thời gian thực của YOLO

YOLO hoạt động dựa trên nguyên lý dự đoán trực tiếp các hộp bao quanh đối tượng. Mạng nơ-ron chia nhỏ hình ảnh đầu vào thành một lưới các ô bằng nhau. Mỗi ô chịu trách nhiệm dự đoán các hộp giới hạn cùng điểm số tin cậy tương ứng. Khác với kiến trúc hai giai đoạn phức tạp như Faster R-CNN, YOLO xử lý toàn bộ tác vụ trong một lần quét. Tốc độ khung hình trên giây luôn đạt mức cao, đảm bảo hiển thị mượt mà. Mô hình này rất phù hợp với luồng video giám sát thực tế tại siêu thị. Độ chính xác phát hiện khuôn mặt và cơ thể người duy trì sự ổn định vượt trội.

3.2. Thuật toán DeepSORT theo dõi và phân loại nhân khẩu học

DeepSORT giải quyết bài toán theo dõi đa đối tượng bằng cách kết hợp chuyển động và diện mạo. Thuật toán liên kết các hộp nhận diện qua từng khung hình liên tiếp. Khoảng cách Mahalanobis đánh giá độ tương đồng về quỹ đạo di chuyển của khách hàng. Đồng thời, mô hình học sâu nhúng các vector đặc trưng để so sánh nhận diện khuôn mặt. Khi khách hàng tạm thời bị che khuất sau kệ hàng, DeepSORT vẫn nhận ra họ khi xuất hiện trở lại. Nhờ vậy, hệ thống không lặp lại quảng cáo đã phát cho cùng một người. Thuật toán phân loại độ tuổi và giới tính kích hoạt lệnh hiển thị sản phẩm chính xác.

IV. Kết luận về ứng dụng đề xuất quảng cáo tại siêu thị hiện đại

Nghiên cứu của Đại học Kinh tế Huế chứng minh tiềm năng to lớn của thị giác máy tính trong lĩnh vực bán lẻ. Mô hình kết hợp YOLO và DeepSORT tạo ra giải pháp đề xuất quảng cáo hoàn toàn tự động. Hệ thống loại bỏ sự phụ thuộc vào các chiến dịch tiếp thị thủ công tốn kém. Doanh nghiệp nâng cao đáng kể trải nghiệm mua sắm nhờ các nội dung hiển thị đúng sở thích cá nhân. Tỷ lệ tương tác với màn hình quảng cáo thông minh tăng lên rõ rệt qua các thử nghiệm. Bên cạnh đó, dữ liệu thu thập cung cấp bức tranh rõ ràng về hành vi tiêu dùng theo độ tuổi. Các nhà quản lý siêu thị có thể điều chỉnh chiến lược nhập hàng dựa trên lưu lượng khách ghé thăm. Việc ứng dụng công nghệ trí tuệ nhân tạo không chỉ gia tăng doanh thu bán hàng mà còn xây dựng hình ảnh thương hiệu hiện đại. Đây là bước tiến quan trọng thúc đẩy quá trình chuyển đổi số trong chuỗi cung ứng hiện đại. Mô hình hứa hẹn mở rộng ra nhiều chuỗi bán lẻ quy mô lớn trên toàn quốc trong thời gian tới.

4.1. Hiệu quả kinh tế và tối ưu chi phí tiếp thị

Hệ thống tự động mang lại lợi ích tài chính trực tiếp cho các nhà bán lẻ. Doanh nghiệp cắt giảm tối đa chi phí in ấn tài liệu tiếp thị và nhân sự phát tờ rơi. Các chiến dịch quảng cáo được cập nhật tức thì trên toàn bộ hệ thống màn hình điện tử. Mức độ quan tâm của khách hàng tăng lên giúp rút ngắn chu kỳ bán hàng. Tỷ lệ chuyển đổi mua sắm tại các gian hàng có gắn biển thông minh ghi nhận mức tăng trưởng khả quan. Khoản đầu tư ban đầu cho phần cứng và camera được bù đắp nhanh chóng nhờ hiệu suất tiếp thị vượt trội.

4.2. Hướng phát triển và khả năng mở rộng hệ thống

Mô hình nghiên cứu mở ra nhiều hướng phát triển tiềm năng trong giai đoạn tiếp theo. Hệ thống có thể tích hợp thêm các cảm biến theo dõi ánh mắt để đo thời gian chú ý. Việc phân tích cảm xúc khuôn mặt giúp đánh giá mức độ hài lòng của khách hàng đối với từng sản phẩm. Ngoài ra, việc kết nối cơ sở dữ liệu với phần mềm quản lý kho hàng tạo nên chuỗi cung ứng thông minh khép kín. Các siêu thị quy mô lớn có thể triển khai giải pháp này đồng loạt trên nhiều chi nhánh. Công nghệ thị giác máy tính sẽ trở thành tiêu chuẩn mới cho ngành bán lẻ thông minh.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh bùng nổ của thương mại điện tử và các kênh mua sắm trực tuyến, các doanh nghiệp kinh doanh siêu thị truyền thống đang phải đối mặt với áp lực cạnh tranh gay gắt. Hoạt động quảng cáo đóng vai trò thiết yếu trong việc thúc đẩy doanh số, tuy nhiên phương thức quảng cáo truyền thống tại điểm bán đang bộc lộ nhiều hạn chế do sự bão hòa của thị trường và tính đại trà, thiếu khả năng hướng trúng đối tượng mục tiêu. Khách hàng hiện đại ngày càng kỳ vọng nhận được các thông điệp quảng cáo phù hợp với nhu cầu, sở thích và đặc điểm cá nhân. Nhằm giải quyết bài toán tiếp cận và giữ chân khách hàng, việc ứng dụng trí tuệ nhân tạo (AI), học máy (Machine Learning) và thị giác máy tính (Computer Vision) để chuyển đổi sang mô hình quảng cáo thông minh là yêu cầu cấp thiết.

Khóa luận của tác giả Nguyễn Thị Nhật Loan hướng đến việc giải quyết vấn đề nhận diện đặc điểm nhân khẩu học của khách hàng tại siêu thị theo thời gian thực nhằm tự động hóa quy trình phân phối nội dung quảng cáo.

Mục tiêu tổng quát của đề tài là xây dựng thành công hệ thống đề xuất quảng cáo tự động dựa trên mô hình nhận diện và phân loại giới tính, khoảng độ tuổi của người theo thời gian thực.

Các mục tiêu cụ thể được xác định bao gồm:

1. Tìm hiểu kiến thức và một số ứng dụng về học máy.
2. Tìm hiểu kiến thức và một số ứng dụng về học sâu.
3. Tìm hiểu và vận dụng ngôn ngữ lập trình Python cho học máy.
4. Thu thập và xây dựng bộ dữ liệu phù hợp hỗ trợ việc huấn luyện mô hình phát hiện và nhận diện khuôn mặt, dự đoán giới tính và khoảng độ tuổi của người theo thời gian thực.
5. Tìm hiểu kiến thức về mô hình phát hiện và phân loại đối tượng You Only Look Once (YOLO), và ứng dụng mô hình YOLO để phát hiện, phân loại đối tượng ở từng khoảng độ tuổi và giới tính trong ảnh và khung hình video.
6. Tìm hiểu kiến thức về thuật toán theo dõi đối tượng Deep Simple Online Realtime Tracking (DeepSORT), và ứng dụng thuật toán DeepSORT kết hợp với mô hình học sâu YOLO để xác định, theo dõi các đối tượng có trong khung hình được đọc liên tục từ video.
7. Tìm hiểu sơ lược về hành vi và tâm lý của khách hàng theo giới tính và khoảng độ tuổi, dựa vào số lượng đối tượng theo dõi có trong khung hình để xây dựng phương pháp đề xuất quảng cáo phù hợp với từng trường hợp.
8. Kiểm tra, đánh giá độ chính xác của mô hình nhận diện giới tính và khoảng độ tuổi đã xây dựng thông qua việc tiến hành thực nghiệm cho hệ thống nhận diện đối tượng trong khung hình và đề xuất video quảng cáo.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các kiến thức, kỹ thuật về học máy, học sâu, mô hình mạng nơ-ron tích chập (CNN), kiến trúc YOLO, thuật toán theo dõi DeepSORT, ngôn ngữ lập trình Python; phương pháp xây dựng bộ dữ liệu hình ảnh khuôn mặt; hành vi và tâm lý khách hàng theo giới tính, độ tuổi; phương pháp đề xuất video quảng cáo phù hợp.
• Phạm vi không gian: Nghiên cứu và thực nghiệm được tiến hành tại Thừa Thiên Huế.
• Phạm vi thời gian: Từ ngày 01/10/2023 đến ngày 07/01/2024.
• Giả định và điều kiện bài toán: Hệ thống yêu cầu phần cứng gồm thiết bị thu nhận dữ liệu (camera máy tính hoặc video truyền vào), thiết bị xử lý trung tâm (máy tính) và màn hình hiển thị kết quả cùng video quảng cáo. Điều kiện lý tưởng để nhận diện là camera ghi nhận được hình ảnh đối tượng ở hướng chính diện, rõ mặt, tốc độ di chuyển của đối tượng ở mức tối thiểu, không gian không quá rộng và kích thước khuôn mặt đối tượng không quá nhỏ so với khung hình.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của khóa luận tập trung vào lĩnh vực thị giác máy tính và học sâu phục vụ bài toán phát hiện đối tượng (Object Detection) và theo dõi đa đối tượng (Multiple Object Tracking - MOT):

• Mạng nơ-ron tích chập (CNN): Cấu trúc xử lý ảnh gồm các lớp tích chập (Convolutional layer) với các tham số bước nhảy (stride), lớp đệm (padding) để trích xuất bản đồ đặc trưng (feature map); lớp kích hoạt phi tuyến ReLU ($f(x) = \max(0, x)$) nhằm loại bỏ giá trị âm; lớp tổng hợp (Pooling layer gồm Max Pooling và Average Pooling) giúp giảm kích thước không gian; lớp kết nối đầy đủ (Fully connected layer) kết hợp hàm Softmax để xuất xác suất phân loại.
• Phương pháp phát hiện đối tượng một giai đoạn (One-stage Detector): Tác giả đối chiếu giữa phương pháp hai giai đoạn (Faster R-CNN sử dụng mạng đề xuất vùng RPN và RoI pooling) với phương pháp một giai đoạn (YOLO, SSD, RetinaNet). Mô hình một giai đoạn được lựa chọn nhằm tối ưu hóa tốc độ xử lý thời gian thực bằng cách bỏ qua bước tạo đề xuất vùng riêng biệt.
• Kiến trúc YOLO (You Only Look Once): Nguyên lý hoạt động dựa trên việc chia ảnh đầu vào thành lưới $S \times S$. Mỗi ô lưới dự đoán $B$ hộp giới hạn (bounding box) gồm tọa độ $(x, y, w, h)$, điểm tin cậy (confidence score) và phân phối xác suất lớp $C$. Mô hình áp dụng kỹ thuật hộp neo (anchor boxes) đa kích thước trên nhiều bản đồ đặc trưng, chỉ số trùng lặp IoU (Intersection Over Union), thuật toán triệt tiêu phi cực đại (Non-Maximum Suppression - NMS) để lọc các khung trùng lặp, cùng hàm mất mát tổng hợp giữa mất mát vị trí hộp và mất mát phân loại.
• Thuật toán theo dõi DeepSORT: Phát triển từ SORT, giải quyết bài toán duy trì định danh (ID tracking) bằng cách kết hợp bộ lọc Kalman Filter để dự đoán quỹ đạo chuyển động, giải thuật Hungary (Hungarian algorithm) để giải bài toán phân công với ma trận chi phí IoU, và trích xuất vector đặc trưng ngoại hình bằng mạng học sâu để đo khoảng cách Cosine, duy trì đối sánh liên tục qua các trạng thái thăm dò (Tentative) và xác nhận (Confirmed).
• Lý thuyết hành vi người tiêu dùng: Sử dụng mô hình nghiên cứu tâm lý IAO (Interest - Hoạt động, Activities - Sở thích, Opinions - Ý kiến) để phân nhóm nhu cầu khách hàng theo độ tuổi và giới tính làm căn cứ ánh xạ nội dung quảng cáo.

Phương pháp nghiên cứu thực nghiệm được triển khai theo quy trình:

• Phương pháp xây dựng tập dữ liệu: Thu thập ảnh khuôn mặt từ tập dữ liệu công khai UTKface, tiến hành gán nhãn thủ công thông qua công cụ trực tuyến Make Sense, định dạng nhãn theo chuẩn YOLO (.txt) chứa tọa độ chuẩn hóa và lớp đối tượng.
• Phương pháp huấn luyện: Thiết lập mô hình YOLOv5 trên nền tảng đám mây Google Colab, tận dụng tài nguyên tính toán GPU/TPU và lưu trữ Google Drive.
• Phương pháp tích hợp hệ thống: Kết hợp đầu ra nhận diện từ YOLOv5 với thuật toán DeepSORT để duy trì ID của từng cá nhân trong luồng video.
• Phương pháp đề xuất: Xây dựng quy tắc logic lựa chọn thư mục video quảng cáo tương ứng dựa trên nhóm giới tính và độ tuổi chiếm ưu thế hoặc đơn lẻ được phát hiện trước camera.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo mô hình xử lý luồng dữ liệu thời gian thực khép kín, tích hợp từ khâu thu nhận hình ảnh đến khâu điều khiển hiển thị nội dung:

1. Kiến trúc luồng dữ liệu và xử lý:

• Đầu vào: Luồng khung hình video thu nhận trực tiếp từ camera gắn tại khu vực quảng cáo hoặc tệp video mô phỏng môi trường siêu thị.
• Khối xử lý thị giác máy tính: Khung hình được đưa qua mô hình YOLOv5 để phát hiện vị trí khuôn mặt và phân loại thuộc tính (nhãn kết hợp giữa giới tính và khoảng độ tuổi). Tọa độ bounding box cùng vector phân loại được chuyển tiếp tới khối DeepSORT.
• Khối theo dõi và đếm đối tượng (DeepSORT): Sử dụng bộ lọc Kalman để cập nhật trạng thái di chuyển, gán ID duy nhất cho mỗi khách hàng, loại bỏ các trường hợp nhận diện chập chờn bằng cơ chế xác nhận sau 3 khung hình liên tiếp và lưu vết trong 30 khung hình tiếp theo.
• Khối quyết định đề xuất: Dựa trên số lượng ID và thông tin nhãn nhận diện hiện diện trong vùng quan sát, bộ điều khiển logic lựa chọn tệp video quảng cáo phù hợp trong cơ sở dữ liệu đã phân loại sẵn.
• Đầu ra: Màn hình hiển thị phát video quảng cáo mục tiêu đồng thời hiển thị giao diện kiểm tra bounding box, nhãn độ tuổi/giới tính và mã ID theo dõi.

2. Công nghệ và môi trường triển khai:

• Ngôn ngữ lập trình: Python.
• Nền tảng huấn luyện và tài nguyên phần cứng: Nền tảng Google Colab cung cấp môi trường Jupyter Notebook trực tuyến, sử dụng bộ xử lý đồ họa GPU để tối ưu tốc độ huấn luyện mô hình học sâu. Dữ liệu và trọng số mô hình được đồng bộ thông qua Google Drive.
• Công cụ chuẩn bị dữ liệu: Công cụ gán nhãn Make Sense dùng để định vị bounding box khuôn mặt và xuất nhãn nhị phân/đa lớp dưới dạng văn bản tọa độ tương đối.
• Nguồn dữ liệu huấn luyện: Tập dữ liệu ảnh khuôn mặt UTKface, bao gồm các biến thể về độ tuổi, giới tính và sắc tộc.
• Cấu trúc dữ liệu quảng cáo: Các video quảng cáo được phân loại và lưu trữ theo từng thư mục tương ứng với từng nhóm khách hàng mục tiêu đã định nghĩa trong mô hình.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết

Chương 1 hệ thống hóa toàn bộ nền tảng lý luận làm cơ sở kỹ thuật và nghiệp vụ cho việc phát triển hệ thống:

• Trình bày tổng quan về học máy và học sâu: Làm rõ cơ chế học từ dữ liệu, phân biệt học có giám sát, không giám sát, bán giám sát và học củng cố; điểm lại các ứng dụng tiêu biểu như hệ thống nhận dạng giọng nói MAVIS của Microsoft, tìm kiếm ảnh Google, hệ thống AlphaGo, Deep Dream và Deep Text của Facebook.
• Phân tích các tác vụ thị giác máy tính: Phân biệt ranh giới kỹ thuật giữa phân loại ảnh (Image Classification), định vị vật thể (Object Localization) và phát hiện đối tượng (Object Detection).
• So sánh các kiến trúc phát hiện đối tượng: Phân tích cơ chế hai giai đoạn (Faster R-CNN với mạng RPN, RoI pooling) và cơ chế một giai đoạn (YOLO, RetinaNet, SSD), nêu rõ lý do chọn kiến trúc một giai đoạn cho bài toán thời gian thực tại siêu thị.
• Trình bày chi tiết mạng nơ-ron tích chập (CNN) và kiến trúc YOLO: Mô tả chức năng toán học của các lớp tích chập, hàm kích hoạt ReLU, lớp Max/Average Pooling, lớp kết nối đầy đủ; phân tích chi tiết kiến trúc Darknet của YOLO gồm 24 lớp tích chập và 2 lớp kết nối đầy đủ, cơ chế dự báo trên 3 tỷ lệ bản đồ đặc trưng (kích thước $13 \times 13$, $26 \times 26$, $52 \times 52$ tương ứng với ảnh đầu vào $416 \times 416$), cơ chế hộp neo (anchor box), công thức chỉ số IoU và thuật toán Non-Maximum Suppression (NMS).
• Phân tích thuật toán theo dõi DeepSORT: Trình bày quy trình 6 bước trong luồng xử lý bài toán MOT, việc ứng dụng bộ lọc Kalman Filter và giải thuật Hungary để gán định danh ổn định.
• Cơ sở tâm lý khách hàng: Khái quát hóa hành vi tiêu dùng theo độ tuổi và giới tính thông qua mô hình IAO (Interest, Activities, Opinions).

Chương 2: Xây dựng hệ thống đề xuất quảng cáo tự động tại siêu thị dựa trên mô hình nhận diện, phân loại giới tính và khoảng độ tuổi

Chương 2 mô tả chi tiết phương pháp xây dựng, cấu hình và huấn luyện hệ thống:

• Thiết lập quy trình tổng thể từ thu thập dữ liệu, huấn luyện mô hình đến cơ chế kích hoạt hiển thị video.
• Xây dựng bộ dữ liệu: Trích xuất và chọn lọc hình ảnh từ tập dữ liệu UTKface. Thực hiện gán nhãn cho các nhóm giới tính và khoảng độ tuổi thông qua công cụ Make Sense, chuyển đổi thành tệp văn bản (.txt) tương thích với YOLOv5. Dữ liệu sau đó được phân chia thành tập huấn luyện (training set) và tập kiểm định (validation set).
• Huấn luyện mô hình YOLOv5: Cấu hình tệp tham số, thiết lập kết nối Google Drive trên giao diện Google Colab, thực thi các lệnh cài đặt thư viện và tiến hành quá trình tối ưu hóa qua các epoch.
• Tích hợp mô hình DeepSORT: Thiết lập thuật toán liên kết hộp giới hạn nhận diện được từ YOLOv5 với các track định danh, đảm bảo việc theo dõi không bị trùng lặp khi đối tượng di chuyển trong khung hình.
• Thiết kế cơ chế đề xuất: Thiết lập logic phân tích dữ liệu đầu ra từ khối theo dõi, kiểm tra điều kiện nhóm đối tượng xuất hiện trước camera để tự động truy xuất và phát video quảng cáo tương ứng từ cấu trúc thư mục video đã phân loại.

Chương 3: Kết quả thực nghiệm và kiểm thử độ hiệu quả của mô hình

Chương 3 công bố các dữ liệu thực nghiệm và kết quả kiểm định hiệu năng của hệ thống:

• Đánh giá định lượng mô hình phát hiện và phân loại: Trình bày diễn biến đồ thị hàm mất mát (loss function) trong quá trình huấn luyện và kiểm định; phân tích ma trận nhầm lẫn (confusion matrix) giữa các lớp đối tượng giới tính và độ tuổi; đo lường các chỉ số Precision, Recall, F1-score và độ chính xác mAP.
• Thực nghiệm phát hiện đối tượng: Tiến hành thử nghiệm nhận diện trực tiếp qua camera máy tính trong 3 lần độc lập và thử nghiệm qua các tệp video mẫu trong 4 lần độc lập để đánh giá tính ổn định trong việc tạo bounding box và gán nhãn.
• Thực nghiệm hệ thống đề xuất quảng cáo tự động: Kiểm thử khả năng hiển thị video quảng cáo tương ứng với kết quả nhận dạng từ camera (2 lần thực nghiệm) và từ video truyền vào (2 lần thực nghiệm), xác nhận hệ thống có khả năng chuyển đổi video quảng cáo tự động theo nhóm đối tượng xuất hiện.

Kết quả và đóng góp

Khóa luận đã hoàn thành các nội dung nghiên cứu và triển khai thực nghiệm với các kết quả cụ thể được ghi nhận trong văn bản:

1. Kết quả kỹ thuật của mô hình học sâu:

• Mô hình nhận diện và phân loại giới tính, khoảng độ tuổi đạt chỉ số đánh giá hiệu suất tổng thể là 82.5% trên tập dữ liệu kiểm định.
• Các chỉ số chất lượng phân loại bao gồm độ chuẩn xác (Precision), độ thu hồi (Recall) và điểm F1 (F1-score) đạt mức trung bình là 77%.
• Đồ thị hàm mất mát qua các epoch cho thấy mô hình hội tụ ổn định, ma trận nhầm lẫn phản ánh tỷ lệ phân loại chính xác giữa các nhóm giới tính và độ tuổi mục tiêu.

Chỉ số đánh giá	Kết quả đạt được trên tập kiểm định
Hiệu suất tổng thể (Overall Performance)	82.5%
Độ chuẩn xác trung bình (Average Precision)	77.0%
Độ thu hồi trung bình (Average Recall)	77.0%
Điểm F1 trung bình (Average F1-score)	77.0%

2. Đóng góp của đề tài:

• Xây dựng thành công hệ sinh thái tích hợp hoàn chỉnh gồm mô hình phát hiện một giai đoạn YOLOv5, thuật toán theo dõi đa đối tượng DeepSORT và mô-đun đề xuất quảng cáo theo thời gian thực.
• Cung cấp giải pháp kỹ thuật có tính ứng dụng thực tiễn cho các doanh nghiệp bán lẻ/siêu thị nhằm chuyển đổi mô hình quảng cáo truyền thống sang quảng cáo thông minh hướng đối tượng.
• Hệ thống có khả năng vận hành trên các thiết bị phần cứng sẵn có (máy tính thông thường và camera giám sát), giúp tối ưu hóa chi phí đầu tư ban đầu cho doanh nghiệp mà vẫn đảm bảo khả năng tiếp cận khách hàng mục tiêu tại điểm bán.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận nêu rõ các hạn chế kỹ thuật và phạm vi thực nghiệm:

• Điều kiện hoạt động tối ưu của hệ thống còn phụ thuộc chặt chẽ vào các giả định lý tưởng: Camera phải thu thập được khuôn mặt ở góc nhìn chính diện, điều kiện ánh sáng rõ ràng, đối tượng có tốc độ di chuyển chậm hoặc đứng yên, khoảng cách từ camera đến khách hàng không quá xa và kích thước khuôn mặt trong khung hình không quá nhỏ.
• Phạm vi nghiên cứu và kiểm thử thực tế mới chỉ dừng lại ở quy mô thực nghiệm tại Thừa Thiên Huế trong khoảng thời gian từ tháng 10/2023 đến tháng 01/2024, sử dụng cấu hình phần cứng thử nghiệm đơn lẻ (camera máy tính).

Các hướng phát triển tiếp theo được đề xuất bao gồm:

• Mở rộng quy mô và tính đa dạng của bộ dữ liệu huấn luyện để nâng cao độ chính xác khi nhận diện trong điều kiện thực tế phức tạp (khách hàng di chuyển nhanh, bị che khuất một phần, góc quay nghiêng hoặc môi trường ánh sáng thay đổi).
• Nâng cấp mô hình nhằm phân tích sâu hơn các thuộc tính hành vi, cảm xúc của khách hàng đối với từng nội dung quảng cáo được phát.
• Tối ưu hóa thuật toán để triển khai trên các thiết bị phần cứng nhúng chuyên dụng tại các chuỗi siêu thị quy mô lớn.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

• Sinh viên, học viên thuộc các ngành Hệ thống thông tin quản lý, Khoa học dữ liệu, Trí tuệ nhân tạo và Công nghệ thông tin đang thực hiện đồ án, khóa luận về ứng dụng thị giác máy tính trong kinh doanh và tiếp thị.
• Các nhà nghiên cứu và kỹ sư quan tâm đến phương pháp kết hợp giữa mô hình phát hiện đối tượng YOLO (cụ thể là YOLOv5) và thuật toán theo dõi DeepSORT để giải quyết bài toán theo dõi đa đối tượng (MOT) theo thời gian thực.
• Các đơn vị phát triển giải pháp bán lẻ thông minh (Smart Retail), cung cấp quy trình mẫu từ thu thập dữ liệu ảnh khuôn mặt, gán nhãn, huấn luyện mô hình đến xây dựng cơ chế đề xuất nội dung tự động dựa trên nhân khẩu học.

Câu hỏi thường gặp

1. Khóa luận sử dụng phiên bản YOLO nào và huấn luyện trên môi trường nào? Khóa luận sử dụng phiên bản YOLOv5 để huấn luyện mô hình nhận diện và phân loại nhóm giới tính, khoảng độ tuổi. Toàn bộ quá trình huấn luyện được thực thi trên nền tảng đám mây Google Colab, kết nối lưu trữ với Google Drive và sử dụng tài nguyên xử lý đồ họa GPU.

2. Thuật toán DeepSORT đảm nhận vai trò gì trong hệ thống? DeepSORT đảm nhận nhiệm vụ theo dõi đa đối tượng (MOT) theo thời gian thực. Sau khi YOLO phát hiện vị trí các khuôn mặt trong từng khung hình, DeepSORT sử dụng bộ lọc Kalman Filter và khoảng cách Cosine từ vector đặc trưng học sâu kết hợp giải thuật Hungary để gán và duy trì định danh (ID) duy nhất cho từng khách hàng, tránh việc hệ thống nhận diện và đếm trùng lặp khi khách hàng di chuyển.

3. Dữ liệu hình ảnh dùng để huấn luyện mô hình nhận diện được thu thập và xử lý từ nguồn nào? Dữ liệu hình ảnh được tác giả trích xuất từ tập dữ liệu khuôn mặt công khai UTKface. Dữ liệu sau đó được gán nhãn thủ công về giới tính và khoảng độ tuổi bằng công cụ Make Sense, xuất ra các tệp định dạng .txt tương thích với chuẩn đầu vào của YOLOv5 và phân chia thành hai tập huấn luyện và kiểm định.

4. Hiệu suất của mô hình nhận diện và phân loại đạt được ở mức bao nhiêu? Theo công bố của khóa luận, mô hình nhận diện và phân loại giới tính, khoảng độ tuổi đạt chỉ số đánh giá hiệu suất tổng thể là 82.5% trên tập dữ liệu kiểm định. Các chỉ số Precision (độ chuẩn xác), Recall (độ thu hồi) và F1-score đạt mức trung bình là 77%.

5. Hệ thống đề xuất nội dung quảng cáo dựa trên cơ chế nào? Hệ thống sử dụng mô hình theo dõi để phát hiện và đếm số lượng đối tượng hiện diện trước camera, xác định nhãn giới tính và độ tuổi của đối tượng. Dựa trên bộ quy tắc tiêu chí đã xây dựng từ hành vi khách hàng (mô hình IAO), hệ thống tự động truy xuất và phát tệp video tương ứng từ các thư mục quảng cáo đã được phân loại sẵn.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Nhật Loan đã thiết kế và triển khai thành công hệ thống tự động hóa quảng cáo tại siêu thị dựa trên sự kết hợp giữa mô hình học sâu YOLOv5 và thuật toán theo dõi DeepSORT. Mô hình đạt hiệu suất 82.5% cùng điểm F1 trung bình 77% trên tập kiểm định, chứng minh tính khả thi của giải pháp nhận diện nhân khẩu học theo thời gian thực. Kết quả nghiên cứu cung cấp một mô hình ứng dụng công nghệ thông tin và trí tuệ nhân tạo cụ thể, giúp các doanh nghiệp bán lẻ tối ưu hóa hoạt động tiếp thị hướng đối tượng với chi phí phần cứng tiết kiệm.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1. Tổng quan về học máy 1. Giới thiệu về học máy Học máy (Machine learning - viết tắt là ML) [10] là một kỹ thuật cho phép máy móc học hỏi từ dữ liệu mà không cần được lập trình cụ thể, cải thiện hiệu suất theo thời gian. Thay vào đó, học máy sử dụng các thuật toán để học từ dữ liệu, cho phép máy tính tìm ra các mẫu và mối quan hệ giữa các đặc trưng của dữ liệu, từ đó có thể sử dụng để thực hiện nhiều loại nhiệm vụ.

Học máy không chỉ là một phần quan trọng của lĩnh vực Trí tuệ Nhân tạo, mà còn là một công nghệ tiên tiến ngày càng phát triển mạnh mẽ. Để đảm bảo độ chính xác của mô hình và ngăn chặn sự xuất hiện của dữ liệu giả, quá trình nghiên cứu và lựa chọn các kỹ thuật phân tích dữ liệu từ con người vẫn là không thể thiếu. Học máy có sự linh hoạt và khả năng thích ứng đặc biệt cao. Nó có thể tự động cập nhật mô hình khi có dữ liệu mới và có khả năng đối mặt với các tình huống mà nó chưa từng gặp trước đó.

Sự độc lập của học máy cũng là một đặc tính quan trọng, vì nó giúp máy tính hoạt động mà không cần sự can thiệp lớn từ phía con người. Sự lan rộng của học máy trên quy mô toàn cầu được thúc đẩy bởi sự gia tăng đột phá của dữ liệu lớn (Big Data) và sự tiến bộ trong các thuật toán học máy. Những tiến bộ này đã đưa đến sự cải thiện đáng kể về độ chính xác của các mô hình và khả năng dự đoán trong các ứng dụng thực tế và tương lai. Quá trình học máy được chia thành hai bước chính: Bước huấn luyện (training phase) và bước kiểm thử (test phase).

Dữ liệu huấn luyện và dữ liệu kiểm thử là hai tập dữ liệu khác nhau. Dữ liệu huấn luyện được sử dụng để xây dựng mô hình học máy, còn dữ liệu kiểm thử được sử dụng để đánh giá hiệu quả của mô hình học máy. Dựa vào đặc điểm của tập dữ liệu, chúng ta có thể phân loại các thuật toán học máy thành hai nhóm chính: học có giám sát và học không giám sát. Ngoài ra, cũng có SVTH: Nguyễn Thị Nhật Loan 7 Khóa luận cuối khóa GVHD: TS.

Hoàng Hữu Trung sự xuất hiện của hai nhóm thuật toán khác đang thu hút sự chú ý gần đây, đó là học bán giám sát và học củng cố. Ứng dụng của học máy Sự lan rộng của học máy đang ngày càng mở rộng ảnh hưởng của nó vào nhiều khía cạnh của cuộc sống con người hiện đại. Trong việc xử lý dữ liệu lớn, học máy đóng vai trò quan trọng trong việc phân tích thông tin và dự đoán xu hướng cho tương lai. Các lĩnh vực mà học máy ứng dụng đa dạng, bao gồm thị giác máy tính, dự đoán, phân tích ngữ nghĩa, xử lý ngôn ngữ tự nhiên và truy xuất thông tin [31].

- Thị giác máy tính là một lĩnh vực rộng lớn bao gồm nhiều nhiệm vụ khác nhau, trong đó ba nhiệm vụ quan trọng nhất là nhận dạng đối tượng, phát hiện đối tượng và xử lý đối tượng. - Dự đoán: có nhiều lĩnh vực bao gồm phân loại (classification), phân tích (analysis) và đề xuất (recommendation). Việc ứng dụng học máy đã đạt được thành công đáng kể trong nhiều lĩnh vực cụ thể như phân loại văn bản, phân loại tài liệu, phân tích hình ảnh, chẩn đoán y học, dự đoán xâm nhập mạng và dự đoán cuộc tấn công từ chối dịch vụ. - Phân tích ngữ nghĩa, Xử lý Ngôn ngữ Tự nhiên và Truy xuất Thông tin: Phân tích ngữ nghĩa là quá trình liên kết cấu trúc ngữ pháp từ đoạn văn, câu, từ đến cấp độ của toàn bộ tác phẩm văn viết.

Xử lý ngôn ngữ tự nhiên là cách lập trình máy tính để xử lý đúng dữ liệu ngôn ngữ tự nhiên. Truy xuất thông tin là lĩnh vực nghiên cứu về việc tìm kiếm thông tin trong một văn bản, tìm kiếm tài liệu và tìm kiếm siêu dữ liệu mô tả dữ liệu và cơ sở dữ liệu âm thanh và hình ảnh. Tổng quan về học sâu 1. Giới thiệu về học sâu Deep learning [31] là một phần của học máy, đặc trưng bởi một mạng neural với nhiều lớp và tham số.

Phần lớn các phương pháp deep learning sử dụng kiến trúc của mạng neural, và do đó, còn được gọi là deep neural networks. Nói một cách đơn giản, deep learning sử dụng một chuỗi các lớp xử lý phi tuyến tính để trích xuất và biến đổi đặc trưng. Các lớp thấp gần đầu vào học các đặc trưng đơn giản, trong khi các SVTH: Nguyễn Thị Nhật Loan 8 Khóa luận cuối khóa GVHD: TS. Hoàng Hữu Trung lớp cao hơn học các đặc trưng phức tạp được tạo ra từ các đặc trưng của các lớp thấp hơn.

Mô hình này tạo ra một biểu diễn đặc trưng phong phú và có cấu trúc phân cấp. Điều này làm cho deep learning rất hiệu quả trong việc phân tích và rút trích kiến thức từ cả lượng lớn dữ liệu và dữ liệu thu thập từ nhiều nguồn khác nhau. Các tiến bộ đáng kể trong học sâu đã cải thiện nhiều lĩnh vực [36], bao gồm nhận dạng giọng nói, nhận dạng đối tượng trong hình ảnh, phát hiện đối tượng, và nhiều ứng dụng khác như khám phá thuốc và di truyền học. Học sâu khám phá cấu trúc phức tạp trong các tập dữ liệu lớn bằng cách sử dụng thuật toán lan truyền ngược để học cách máy tính nên điều chỉnh các tham số nội bộ của mình.

Điều này được thực hiện để tính toán biểu diễn ở mỗi lớp từ biểu diễn ở lớp trước đó. Mạng nơ-ron tích chập sâu đã đem lại những tiến bộ đáng kể trong xử lý hình ảnh, video, giọng nói và âm thanh, trong khi mạng nơ-ron tuần hoàn đã làm sáng tỏ dữ liệu tuần tự như văn bản và giọng nói. Ứng dụng của học sâu Dưới đây là một số ví dụ về các ứng dụng mới và gần đây của học sâu [31]: - Nhận dạng giọng nói của Microsoft (MAVIS) [29]: + Ứng dụng: Sử dụng trong Big Data cho nhận dạng giọng nói. + Mô tả: Microsoft sử dụng học sâu trong MAVIS để tìm kiếm các tệp âm thanh và video dựa trên giọng nói và diễn thuyết của con người, nâng cao khả năng xử lý các lượng dữ liệu lớn.

- Tìm kiếm ảnh của Google [29]: + Ứng dụng: Sử dụng học sâu cho dịch vụ tìm kiếm ảnh. + Mô tả: Google áp dụng học sâu trong môi trường Big Data để hiểu biết về hình ảnh, hỗ trợ chú thích, đánh dấu và chỉ mục hình ảnh. Điều này tăng cường khả năng của các dịch vụ tìm kiếm ảnh và khả năng truy xuất hình ảnh. - AlphaGo của Google: + Ứng dụng: Học sâu trong trò chơi cờ vây.

SVTH: Nguyễn Thị Nhật Loan 9 Khóa luận cuối khóa GVHD: TS. Hoàng Hữu Trung + Mô tả: Năm 2016, chương trình AlphaGo của Google đã đánh bại Lee Sedol trong một cuộc thi Go, thể hiện khả năng học mạnh mẽ của các thuật toán học sâu trong việc thống trị các trò chơi phức tạp. - Deep Dream của Google: + Ứng dụng: Phân loại và tạo ra hình ảnh. + Mô tả: Deep Dream là phần mềm của Google có khả năng phân loại hình ảnh và tạo ra tranh nghệ thuật kỳ quái và nhân tạo dựa trên kiến thức tích lũy của nó.

- Deep Text của Facebook: + Ứng dụng: Hệ thống hiểu văn bản dựa trên học sâu. + Mô tả: Facebook giới thiệu Deep Text, một hệ thống trí tuệ nhân tạo sử dụng học sâu để phân loại lượng lớn dữ liệu văn bản. Nó cung cấp dịch vụ để nhận diện các tin nhắn chat của người dùng và làm sạch các tin nhắn rác hiệu quả. Deep learning được sử dụng trong các lĩnh vực [31] như thị giác máy tính, dự đoán, phân tích ngữ nghĩa, xử lý ngôn ngữ tự nhiên, truy xuất thông tin và quản lý mối quan hệ khách hàng.

Tổng quan về phát hiện đối tượng và nhận diện đối tượng (Object Detection, Object Recognition) 1. Phát hiện đối tượng và nhận diện đối tượng (Object Detection, Object Recognition) Nhận dạng đối tượng là một thuật ngữ chung để mô tả một tập hợp các nhiệm vụ thị giác máy tính có liên quan đến việc xác định các đối tượng trong ảnh kỹ thuật số [4]. Để hiểu về bài toán phát hiện và nhận diện đối tượng (object detection), có hai bài toán nhỏ hơn nên tìm hiểu: - Phân loại hình ảnh (Image Classification): Là bài toán tập trung vào việc xác định lớp của một đối tượng trong hình ảnh. Mô hình được đào tạo để phân loại SVTH: Nguyễn Thị Nhật Loan 10 Khóa luận cuối khóa GVHD: TS.

Hoàng Hữu Trung ảnh vào một số lượng xác định các lớp mục tiêu. Đối với mỗi ảnh, mô hình sẽ đưa ra dự đoán về lớp của đối tượng trong đó. - Định vị vật thể (Object Localization): Tăng cường so với phân loại hình ảnh, bài toán này không chỉ xác định lớp của đối tượng mà còn xác định vị trí cụ thể của đối tượng bằng cách vẽ một hộp giới hạn (bounding box) xung quanh đối tượng đó. Hộp giới hạn này thường được định bằng cách chỉ định tọa độ của hai điểm đối đầu của hộp (ví dụ: góc trên cùng bên trái và góc dưới cùng bên phải).

Phát hiện đối tượng (Object Detection): Là bài toán phức tạp hơn cả, nó kết hợp cả phân loại và định vị vật thể. Mục tiêu là xác định và định vị tất cả các đối tượng có thể xuất hiện trong hình ảnh. Điều này thường được thực hiện bằng cách tạo ra nhiều hộp giới hạn (bounding boxes) cho mỗi hình ảnh và sau đó phân loại lớp của đối tượng trong mỗi hộp. Các mô hình deep learning, đặc biệt là các mô hình sử dụng mạng nơ-ron convolutional (CNN), thường được sử dụng để giải quyết các bài toán này, và có nhiều kiến trúc như VGG, ResNet, và YOLO (You Only Look Once) được thiết kế đặc biệt cho việc xử lý hình ảnh và các bài toán liên quan đến đối tượng.

Sơ đồ các mối liên hệ giữa các tác vụ trong computer vision. Nguồn: https://phamdinhkhanh.html SVTH: Nguyễn Thị Nhật Loan 11 Khóa luận cuối khóa GVHD: TS. Hoàng Hữu Trung Bảng 1. Các kiểu thuật toán nhận diện vật thể chính [2] Phân loại cùng với Phân loại hình ảnh khoanh vùng Phát hiện (Image classification) (Classification w.