Dòng Nội dung
1
Phát triển hệ thống nhận diện biển số xe dựa trên nền tảng học sâu : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Trần Ngọc Minh Vy; Nguyễn Kim Quốc, Võ Thị Hồng Thắm hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
xiv, 62 tr. : hình ảnh; sơ đồ ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Các mô hình YOLO từ phiên bản v8 đến v10 đã có những cải tiến vượt bậc trong việc nhận diện đối tượng theo thời gian thực. YOLO v8 mang lại sự cân bằng giữa tốc độ và độ chính xác, phù hợp với các hệ thống yêu cầu xử lý nhanh như giám sát giao thông. YOLO v9 được nâng cấp với khả năng phát hiện chính xác hơn trong các tình huống phức tạp, xử lý tốt hơn các biển số bị che khuất một phần hoặc bị mờ do điều kiện môi trường. YOLO v10, phiên bản mới nhất, tiếp tục tối ưu hóa tốc độxử lý và giảm thiểu lỗi nhận diện, đồng thời cải thiện khả năng học sâu để xử lý tốt hơn các biển số có độ phân giải thấp hoặc bị biến dạng. Bên cạnh đó, mô hình SSD cũng là một lựa chọn lý tưởng nhờ vào khả năng phát hiện đối tượng chính xác mà vẫn duy trì tốc độ xử lý cao. SSD hoạt động tốt trên các thiết bị có tài nguyên hạn chế, giúp triển khai hệ thống nhận diện biển số xe một cách linh hoạt trên nhiều nền tảng, từ camera giám sát giao thông cho đến hệ thống nhúng trong bãi đỗ xe thông minh. Việc sử dụng các mô hình học sâu tiên tiến không chỉ giúp cải thiện độ chính xác mà còn mang lại khả năng ứng dụng rộng rãi trong thực tế. Các thuật toán này có thể tự động thích nghi với nhiều loại biển số khác nhau, từ biển số xe cá nhân, xe tải đến biển số đặc biệt của các tổ chức chính phủ. Hơn nữa, với khả năng học sâu và tối ưu hóa liên tục, hệ thống nhận diện biển số xe có thể cập nhật và cải thiện theo thời gian, nâng cao hiệu quả trong việc phát hiện vi phạm giao thông, hỗ trợ công tác điều tra và quản lý phương tiện.
 Số bản sách: (1) Tài liệu số: (0)
2
Xây dựng hệ thống nhận dạng, đo tốc độ phương tiện sử dụng mô hình Yolo : Khóa luận Tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Trần Anh Vũ; Thái Trúc Nhi hướng dẫn.
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
xiii, 55 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Trình bày giải pháp chóng ùn tắc giao thông bằng ứng dụng nhận dạng phương tiện sử dụng công cụ Deep Learning, cụ thể là trình bày các bước cơ bản để nhận dạng hình ảnh(xe ôtô) trên cơ sở lý thuyết, sau đó đi sâu nghiên cứu để có thể nhận dạng và đếm được số lượng xe và đo tốc độ phương tiện. Sản phẩm kết quả sẽ là một phương trình đơn giản mà đầu vào là một video chứa hình ảnh gồm con đường và phương tiện giao thông đang lưu thông trên đường, kết quả đầu ra sẽ là phân loại các loại phương tiện và số lượng xe ô tô đếm được ở mỗi thời điểm (frame) và tốc độ phương tiện trong video được ghi từ camera giao thông. Nghiên cứu và nhân rộng các giải pháp đột phá về khắc phục tình trạng ùn tắc giao thông, đồng thời nâng cao hiệu quả quản lý trật tự đô thị, kiểm soát phương tiện cơ giới cá nhân tham gia giao thông trên các tuyến quốc lộ và các tuyến đường có lưu lượng giao thông lớn.
 Số bản sách: (1) Tài liệu số: (1)
3
Xây dựng hệ thống nhận diện biển số xe : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Nguyễn Hoàng Vương, Phạm Đình Tài hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
52 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Nghiên cứu hướng đến việc phát triển một hệ thống nhận dện biển số xe mang tính đột phá, sử dụng hai công nghệ hàng đầu là YOLOV8 (You Only Look Once) và EasyOCR, với mục tiêu không chỉ là việc nhận diện mà còn là việc tối ưu hóa hiệu suất và khả năng ứng dụng trong các tình huống đa dạng. Tập trung vào khám phá và nghiên cứu các công nghệ giám sát mạnh mẽ hơn như kiểm soát xe lưu thông trên đường và nhận diện khuôn mặt. Trong các công nghệ này, sự cá nhân hoá của biển số xe đã trở thành một yếu tố quan trọng làm cơ sở cho việc nghiên cứu và áp dụng nó trong các giải pháp quản lý giao thông và đỗ xe.
 Số bản sách: (1) Tài liệu số: (0)