TAILIEUCHUNG - Đánh giá các phương pháp dựa trên deep learning cho bài toán phát hiện logo

Bài viết trình bày việc xây dựng tập dữ liệu thực tế được thu thập về bao gồm 15035 ảnh của 15 thương hiệu từ các diễn đàn, mạng xã hội, cũng như các công cụ tìm kiếm hình ảnh; Thực hiện đánh giá các phương pháp Deep learning tốt nhất hiện nay bao gồm YOLO, RetinaNet, Faster RCNN, Mask RCNN, trên tập dữ liệu thu thập được về các yếu tố độ chính xác, tốc độ xử lý và tài nguyên tính toán. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Huế ngày 07-08 6 2019 DOI ĐÁNH GIÁ CÁC PHƯƠNG PHÁP DỰA TRÊN DEEP LEARNING CHO BÀI TOÁN PHÁT HIỆN LOGO Nguyễn Nhật Duy Đỗ Văn Tiến Ngô Đức Thành Huỳnh Ngọc Tín Lê Đình Duy Phòng Thí nghiệm Truyền thông Đa phƣơng tiện Trƣờng Đại học Công nghệ Thông tin ĐHQG TP. Hồ Chí Minh duynn tiendv thanhnd tinhn duyld @ TÓM TẮT Phát hiện sự xuất hiện của logo để quản lý thương hiệu là một ứng dụng điển hình của việc áp dụng kết quả của các bài toán thị giác vào ứng dụng thực tiễn. Trước đây các ứng dụng dạng này thường dựa trên dữ liệu dạng văn bản để xử lý. Tuy nhiên với sự phổ biến của ảnh và video thì hướng tiếp cận dựa trên phát hiện logo đang là hướng đi mới với nhiều tiềm năng. Hiện nay đối với bài toán phát hiện logo có khá nhiều hướng giải quyết đặc biệt các hướng tiếp cận tiên tiến hiện nay là sử dụng học sâu Deep learning đang mang lại hiệu quả cao. Tuy nhiên khi triển khai vào một ứng dụng thì việc lựa chọn phương pháp để đảm bảo cân bằng giữa các yếu tố như độ chính xác trên dữ liệu thực tế tốc độ cũng như tài nguyên cần để xử lý là thách thức cần được giải quyết. Theo đó trong bài báo này chúng tôi đã 1 xây dựng tập dữ liệu thực tế được thu thập về bao gồm 15035 ảnh của 15 thương hiệu từ các diễn đàn mạng xã hội cũng như các công cụ tìm kiếm hình ảnh 2 thực hiện đánh giá các phương pháp Deep learning tốt nhất hiện nay bao gồm YOLO RetinaNet Faster RCNN Mask RCNN trên tập dữ liệu thu thập được về các yếu tố độ chính xác tốc độ xử lý và tài nguyên tính toán. Cùng với đó các phân tích trên kết quả đánh giá là một tài liệu tham khảo hữu ích cho các nhà phát triển ứng dụng. Từ khóa Phát hiện đối tượng phát hiện logo mô hình mạng học sâu Deep learning. I. GIỚI THIỆU Quản lý thƣơng hiệu thông qua những bài viết hình ảnh video có sự xuất hiện của thƣơng hiệu đƣợc chia sẻ trên Internet là một trong những vấn đề đƣợc các công ty đặc biệt quan .

• Cơ sở dữ liệu
• Bài toán phát hiện đối tượng
• Bài toán phát hiện logo
• Mô hình mạng học sâu
• Phương pháp Deep learning
• Hệ thống quản lý thƣơng hiệu
• Đối tượng video
• theo vết đối tượng
• thuật toán lọc particle
• thuật toán SIS
• phát hiện đối tượng
• công nghệ thông tin
• Luận án Tiến sĩ
• Luận án Tiến sĩ Khoa học máy tính
• Bài toán thay thế đối tượng trong video
• Cải tiến kỹ thuật nhận dạng đối tượng
• Mô hình hoàn thiện video
• Mô hình Feature Selective Anchor Free
• Mô hình Generalized Focal Loss
• Bộ dữ liệu Realistic Single Image Dehazing
• Bộ dữ liệu COCO trên tập RTTS
• đối tượng chuyển động
• luận văn
• thiết kế hệ thống
• hệ thống thông tin
• kỹ thuật lập trình
• lập trình ứng dụng
• Bài giảng Học sâu và ứng dụng
• Học sâu và ứng dụng
• Ứng dụng học sâu trong thị giác máy
• Thị giác máy
• Đếm số người
• Mạng học sâu
• Mạng tích chập
• Convolutional neural network
• Hệ thống giáo dục đào tạo
• Truyền thông thương hiệu tích hợp
• Mô hình truyền thông thương hiệu tích hợp
• Quản lý giá trị thương hiệu
• Hoạt động quản trị giá trị thƣơng hiệu