Người thực hiện: Học viên Nguyễn Đức Cường – K6 Khóa AI/Machine Learning/Deep Learning Foundation
1. Giới thiệu đề tài Nhận diện biển số xe các phương tiện giao thông
Bạn đang xem: [Project AI/ML/DL – K6] Nhận diện biển số xe bằng yolov5 + Data Augmentation
Trong thời đại công nghệ thông tin hiện nay, việc sử dụng Machine Learning – Deep Learning để nhận diện biển số xe trở nên phổ biến và được sử dụng rộng rãi trong nhiều bãi đỗ xe thông minh. Đây là 1 trong những đề tài mang tính khái quát cao phù hợp cho những ai mới tiếp cận lĩnh vực AI – Machine Learning – Deep Learning.
Kết thúc khóa AI Basic, Nguyễn Đức Cường mang đến Project nhận diện biển số xe tự động bằng AI giúp bảo vệ, đưa ra những cảnh báo nhằm hạn chế tình trạng trộm cắp xe và giúp quản lý lưu lượng xe ra vào các bãi đỗ xe nhanh chóng và thuận tiện hơn.
2. Giới thiệu Kỹ thuật – Công nghệ được sử dụng trong bài toán: YOLOv5 và Phương pháp Data Augmentation
YOLO (You Only Look Once) là một trong những mô hình nổi tiếng nhất trong nhiệm vụ Object Detection. Khi mới ra mắt, YOLO đã cho thấy một tốc độ vượt trội so với những đối thủ của mình. Yolo có khả năng nhận diện và xử lý nhanh, được đánh giá cao về khả năng “realtime” trong nhận diện vật thể. Cho nên Yolo được ứng dụng trong các bài toán cần thời gian xử lý nhanh với yêu cầu độ chính xác ở mức “tương đối”. Tuy vậy, hiện nay các nhóm tác giả đã liên tục ra các phiên bản nâng cấp của Yolo để cải thiện về độ chính xác và tốc độ nhân diện.
- Giới thiệu về YOLOv5
YOLOv5 không có quá nhiều thay đổi so với YOLOv4, YOLOv5 tập trung vào tốc độ và độ dễ sử dụng hơn bản v4.
Kiến trúc của YOLOv5:
- Backbone: C3 module
- Neck: SPPF + PAN
- Head: YOLOv3
- Giới thiệu về Phương pháp Augmentation
Trong các mô hình học sâu thì vai trò của dữ liệu vô cùng quan trọng. Bởi vì điểm yếu chung của mạng CNN hay các mạng học sâu khác là rất dễ bị đánh lừa. Nếu chúng ta không xử lý bộ data training tốt hoặc bộ dữ liệu có quá ít thì sẽ dẫn đến khả năng học tập của mô hình yếu trả về các kết quả dự đoán sai.
Để khắc phục vấn đề này, làm cho mô hình hoạt động tốt hơn, tăng khả năng thích nghi của mô hình trong nhiều trường hợp (thiếu data hoặc bộ data kém), chính vì vậy để khắc phục điểm này phương pháp Data Augment ra đời – Kỹ thuật cho phép tạo ra dữ liệu training từ dữ liệu đang có.
Xem thêm : Dịch biển số xe 02777 (Bất Nhị Thất Thất Thất)
Có rất nhiều phương thức Augment như: Flip (Lật), Random crop (Cắt ngẫu nhiên), Color shift (Chuyển đổi màu), Noise addition (Thêm nhiễu), Information loss (Mất thông tin), Contrast change (Đổi độ tương phản), …
3. Các bước xây dựng bài toán
Bước 1: Gán nhãn dữ liệu: Vẽ bounding box cho vùng chứa biển số xe
Bước 2: Sử dụng Augmentation: Augmentation dữ liệu để chống nhiễu và tăng khả năng phát hiện vật thể cho model.
Bước 3: Huấn luyện mô hình: Sử dụng model YOLOv5 small training trên 100 epoch. Tập dữ liệu phân bố theo tỷ lệ 70% train – 15% validation – 15% test.
Bước 4: Đánh giá kết quả mô hình
Xem chi tiết phần trình bày của học viên Nguyễn Đức Cường tại:
Trí tuệ nhân tạo đang ngày càng nổi lên như 1 xu hướng trên thế giới và dường như không thể đo lường được hết những ứng dụng của nó khi mà các công nghệ đặc biệt là Trí tuệ nhân tạo mỗi ngày lại có những đổi mới cải tiến hơn.
Với kinh nghiệm tổ chức hàng trăm khóa Đào tạo ngắn hạn về AI – Data Science, Cole tự hào giới thiệu tới quý anh/chị các dự án cá nhân của học viên khóa học AI Basic vô cùng xuất sắc và có ứng dụng thực tiễn cao trong nhiều lĩnh vực khác nhau.
Xem thêm : Bầu Thụy sẽ chuyển số tiền 1 tỷ đồng tới nhóm hiệp sĩ đường phố Sài Gòn trong tuần tới
Tìm hiểu thêm về khóa học AI sắp khai giảng:
Khóa AI/Machine Learning/Deep Learning Foundation: tại đây
Khóa AI Advanced – Computer Vision: tại đây
Khóa Deep Learning in NLP: tại đây
——————————————————————
Cole.vn – Connecting Knowledge
Fanpage: https://www.facebook.com/dtnh.cole
Website: https://cole.vn
Zalo: https://zalo.me/3364090357614001808
Email: [email protected]
Hotline: 0869810635
Nguồn: https://thegioiso.edu.vn
Danh mục: Biển Số Xe