Dòng Nội dung
1
Phát triển mô hình phân loại hình ảnh sử dụng học sâu tiên tiến : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Huỳnh Ngọc Tuấn; Võ Thị Hồng Thắm; Cao Văn Kiên hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
ix, 68 tr. : bảng; hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Nghiên cứu và phát triển các mô hình học sâu tiên tiến để giải quyết bài toán phân loại hình ảnh. Khảo sát các phương pháp phân loại hình ảnh truyền thống và học sâu: Tổng hợp các nghiên cứu liên quan đến phương pháp phân loại hình ảnh, đặc biệt là các mô hình học sâu như CNN, VGG16, ResNet50, MobileNetV2. Phát triển và triển khai các mô hình học sâu cho bài toán phân loại hình ảnh, bao gồm xây dựng và huấn luyện các mô hình như CNN, VGG16, ResNet50, MobileNetV2 trên các bộ dữ liệu thực tế. Đánh giá hiệu quả của các mô hình học sâu về độ chính xác phân loại, khả năng ứng dụng, thời gian huấn luyện và hiệu suất tổng thể. So sánh các mô hình học sâu với các phương pháp truyền thống: Đánh giá các ưu điểm và nhược điểm của các mô hình học sâu so với các phương pháp phân loại hình ảnh truyền thống. Đề xuất các mô hình tối ưu và phương pháp cải tiến: Dựa trên các kết quả đánh giá, đề xuất các giải pháp để cải thiện hiệu suất và tối ưu hóa các mô hình cho các ứng dụng thực tế.
 Số bản sách: (1) Tài liệu số: (0)
2
Ứng dụng trí tuệ nhân tạo trong phân loại hình ảnh động vât sử dụng mạng nơ - ron tích chập : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Cao Thành Đạt; Đặng Như Phú hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành,2024
xiii, 56 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.4
Phát triển một mô hình học sâu sử dụng mạng nơ-ron tích chập để phân loại các loại động vật từ hình ảnh. Mạng nơ ron tích chập (CNN) có khả năng tự động trích xuất đặc trưng từ hình ảnh, giúp cải thiện độ chính xác trong việc phân loại và nhận diện động vật. Khả năng xử lý hình ảnh 2D một cách hiệu quả, giúp nhận diện các đặc điểm phức tạp của động vật. Phân loại và nhận diện hình ảnh động vật có thể được áp dụng trong nhiều lĩnh vực như bảo tồn động vật, nông nghiệp thông minh, và nghiên cứu sinh thái. Hỗ trợ trong việc theo dõi và quản lý các loài động vật hoang dã, từ đó bảo vệ môi trường. Mạng nơ ron tích chập có khả năng học từ dữ liệu lớn, giúp cải thiện độ chính xác theo thời gian khi có thêm dữ liệu mới. Đánh giá hiệu suất của mô hình qua các chỉ số như độ chính xác, độ nhạy và độ đặc hiệu. Cung cấp công cụ hỗ trợ trong việc nhận diện và phân loại động vật, có thể ứng dụng trong bảo tồn động vật, nghiên cứu sinh học, và các ứng dụng thương mại như nhận diện động vật trong ảnh.
 Số bản sách: (1) Tài liệu số: (1)