TRA CỨU
thông tin biểu ghi
  • Luận án, Luận văn
  • Ký hiệu PL/XG: 006.31 H987
    Nhan đề: Phát triển mô hình phân loại hình ảnh sử dụng học sâu tiên tiến :
DDC 006.31
Tác giả CN Huỳnh, Ngọc Tuấn
Nhan đề 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
Thông tin xuất bản Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
Mô tả vật lý ix, 68 tr. : bảng; hình ảnh ; 29 cm.
Tóm tắt 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.
Từ khóa tự do Phân loại hình ảnh
Từ khóa tự do Học sâu tiên tiến
Từ khóa tự do Mô hình học sâu
Từ khóa tự do Trí tuệ nhân tạo
Khoa Khoa Công nghệ Thông tin
Tác giả(bs) CN Võ, Thị Hồng Thắm
Tác giả(bs) CN Cao, Văn Kiên
Địa chỉ 300Q12_Kho Luận án, luận văn(1): 099717
000 00000nam#a2200000u##4500
00157043
0023
004797D00E6-3D39-4E5E-9075-2CBAB0CAF5E0
005202510100910
008250922s2025 vm vie
0091 0
039|a20251010091055|bbacntp|c20251010091025|dbacntp|y20250922091926|zbacntp
040 |aNTT
041 |avie
044 |avm
082 |a006.31|bH987
100 |aHuỳnh, Ngọc Tuấn
245 |aPhát triển mô hình phân loại hình ảnh sử dụng học sâu tiên tiến : |bĐề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / |cHuỳnh Ngọc Tuấn; Võ Thị Hồng Thắm; Cao Văn Kiên hướng dẫn
260 |aTp.Hồ Chí Minh : |bĐại học Nguyễn Tất Thành, |c2025
300 |aix, 68 tr. : |bbảng; hình ảnh ; |c29 cm.
502 |aThư mục: Tr.67 - 68
520 |aNghiên 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.
541 |aNộp lưu chiểu
653 |aPhân loại hình ảnh
653 |aHọc sâu tiên tiến
653 |aMô hình học sâu
653|aTrí tuệ nhân tạo
690 |aKhoa Công nghệ Thông tin
691 |aCông nghệ thông tin
700 |aVõ, Thị Hồng Thắm|cTS.|eHướng dẫn
700|aCao, Văn Kiên|cTS.|eHướng dẫn
852|a300|bQ12_Kho Luận án, luận văn|j(1): 099717
8561|uhttp://elib.ntt.edu.vn/documentdata01/3 luanvanluanan/anhbiasach_2025/57043_phattrienmohinhphanloaihinhanhsudunghocsautientienthumbimage.jpg
890|a1|b0|c0|d0
Dòng Mã vạch Nơi lưu S.gọi Cục bộ Phân loại Bản sao Tình trạng Thành phần Đặt chỗ
1 099717 Q12_Kho Luận án, luận văn 006.31 H987 Sách mượn tại chỗ 1 Chưa sẵn sàng

Không có liên kết tài liệu số nào