Dòng Nội dung
1
Nhận dạng trái cây bằng mạng nơ ron tích chập : Đề án Thạc sĩ Công nghệ thông tin; Mã ngành:8480201 / Trương Lê Phước Lộc; Võ Thị Hồng Thắm hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
x, 47 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Đề án đã thực hiện một nghiên cứu so sánh chuyên sâu, tập trung vào việc đánh giá và đối chiếu hiệu suất của bốn kiến trúc CNN tiêu biểu nói trên, sử dụng tập dữ liệu Fruit 360 làm nền tảng thực nghiệm. Quá trình này bao gồm các bước chuẩn bị dữ liệu kỹ lưỡng (tách nền, cân bằng, tăng cường dữ liệu), huấn luyện các mô hình một cách công bằng trên cùng một nền tảng (Google Colab với GPU A100) và phân tích kết quả đa chiều, từ độ chính xác, độ mất mát, ma trận nhầm lẫn đến thời gian xử lý. Từ những thực nghiệm đó, đề án mang đến những đóng góp khoa học và thực tiễn quan trọng: Cung cấp một phân tích so sánh định lượng chi tiết về hiệu suất của bốn kiến trúc CNN (VGG-16, ResNet-50, MobileNet, ShuffleNet v2) trên tập dữ liệu Fruit 360, làm cơ sở tham khảo cho việc lựa chọn mô hình trong các ứng dụng nhận dạng trái cây. Xác định mô hình CNN có hiệu suất tối ưu nhất (trong số các mô hình được khảo sát) cho bài toán nhận dạng trái cây trên tập dữ liệu Fruit 360, dựa trên các chỉ số đánh giá đa dạng. Nghiên cứu chỉ ra rằng ResNet-50 đạt hiệu suất vượt trội về độ chính xác (99.20%), độ mất mát thấp (0.0374) và thời gian đánh giá nhanh (15.43 giây) so với các mô hình còn lại.Làm rõ vai trò và hiệu quả của các kỹ thuật huấn luyện nâng cao, như học chuyển giao (Transfer Learning) và điều chỉnh tốc độ học (Learning Rate Scheduling) theo từng giai đoạn, trong việc tối ưu hóa hiệu suất của mô hình ResNet-50. Đề xuất các khuyến nghị thực tế cho việc triển khai hệ thống nhận dạng trái cây và gợi mở các hướng nghiên cứu tiềm năng trong tương lai, chẳng hạn như mở rộng nghiên cứu trên các tập dữ liệu phức tạp hơn, đánh giá thêm các mô hình tiên tiến khác, hay phát triển ứng dụng nhận dạng thời gian thực trên thiết bị di động.
 Số bản sách: (1) Tài liệu số: (0)