TAILIEUCHUNG - Phát hiện đối tượng dựa vào học sâu trên Raspberry Pi

Bài viết Phát hiện đối tượng dựa vào học sâu trên Raspberry Pi trình bày việc tìm hiểu sự phù hợp của các mô hình phát hiện đối tượng trên Raspberry Pi, một bo mạch máy tính nhúng phổ biến có thể được tích hợp vào các hệ thống IoT để giúp công việc trở nên dễ dàng. | TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ Trường Đại học Khoa học ĐH Huế Tập 20 Số 1 2022 PHÁT HIỆN ĐỐI TƯỢNG DỰA VÀO HỌC SÂU TRÊN RASPBERRY PI Lê Quang Chiến Khoa Công nghệ Thông tin Trường Đại học Khoa học Đại học Huế Email lqchien@ Ngày nhận bài 13 3 2021 ngày hoàn thành phản biện 6 7 2021 ngày duyệt đăng 4 4 2022 TÓM TẮT Với sự phát triển gần đây của lĩnh vực học sâu các phương pháp phát hiện đối tượng đã đạt được hiệu suất cao trên cả tốc độ và độ chính xác trên các hệ thống máy tính để bàn hiện đại. Bên cạnh đó việc phát triển các mô hình học sâu nhỏ hơn và nhanh hơn để phù hợp với các thiết bị IoT đang thu hút được nhiều sự quan tâm. Bài báo này tìm hiểu sự phù hợp của các mô hình phát hiện đối tượng trên Raspberry Pi một bo mạch máy tính nhúng phổ biến có thể được tích hợp vào các hệ thống IoT để giúp công việc trở nên dễ dàng. Chúng tôi tiến hành khảo sát ảnh hưởng của hai mô hình phát hiện đối tượng hiện đại là Single Shot Detector SSD và You Only Look Once YOLO . Hai mô hình này sẽ được đánh giá dựa trên tốc độ xử lý khung hình và độ chính xác trung bình khi thực hiện suy luận. Các kết quả thí nghiệm cho thấy tính khả thi của các mô hình này khi được sử dụng trên các thiết bị máy tính cấu hình thấp. Từ khóa Phát hiện đối tượng YOLO SSD Raspberry Pi. 1. MỞ ĐẦU Phát hiện đối tượng có lẽ là nhiệm vụ quan trọng nhất trong các hệ thống giám sát. Mục tiêu của nhiệm vụ này là phát hiện sự hiện diện của đối tượng từ một tập các lớp nhất định và xác định vị trí chính xác trong một hình ảnh. Trước khi AlexNet 1 một mạng nơron tích chập CNN được giới thiệu đây được xem là một vấn đề khó giải quyết đối với các nhà nghiên cứu trong việc tìm giải pháp phân loại hình ảnh với tỷ lệ lỗi rất thấp. Từ cột mốc này nhiều phương pháp phát hiện đối tượng áp dụng CNN đã được trình bày cho thấy hiệu suất và hiệu quả tuyệt vời. Tuy nhiên để thực thi các tác vụ sử dụng CNN một cách hiệu quả chúng ta vẫn cần nhiều sức mạnh tính toán. Do vậy việc chạy một hệ thống phát hiện đối .

• Kỹ thuật lập trình
• Phát hiện đối tượng
• Học sâu trên Raspberry Pi
• Bo mạch máy tính nhúng
• Hệ thống IoT
• Mạng nơron tích chập
• Luận văn Thạc sĩ Công nghệ thông tin
• Luận văn Thạc sĩ
• Giám sát đối tượng
• Giám sát đối tượng chuyển động
• Một kỹ thuật phát hiện bóng đối tượng
• Bóng đối tượng
• Ngôn ngữ lập trình C++
• Đối sánh vùng loang với tỉ lệ bóng
• Hệ thống camera giám sát
• Luận văn tốt nghiệp
• Luận văn tốt nghiệp ngành Công nghệ thông tin
• Đối tượng trong dãy ảnh liên tiếp
• Phương pháp Level Set
• Phương pháp Fast Marching
• Phát hiện đối tượng chuyển động
• Kỹ thuật phát hiện
• Bám sát đối tượng
• Đối tượng theo dõi
• Lưu lượng quang học
• Kỹ thuật ứng dụng thử nghiệm
• Đối tượng video
• theo vết đối tượng
• thuật toán lọc particle
• thuật toán SIS
• công nghệ thông tin
• Phân tích hướng đối tượng
• Thiết kế hướng đối tượng
• Mô hình hóa lĩnh vực
• Biểu đồ lớp
• Phát hiện các đối tượng
• Stereotype của lớp
• luận văn mẫu
• đề án tốt nghiệp
• phát hiện đối tượng đột nhập
• xử lý video
• phát hiện chuyển động
• Báo cáo khoa học công nghệ
• Nghiên cứu khoa học
• Báo cáo nghiên cứu khoa học
• Báo cáo khoa học
• 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
• Luận văn Thạc sĩ Máy tính
• Khoa học máy tính
• Objecct Detection
• Object Tracking
• Thị giác máy tính
• Luận án Tiến sĩ Kỹ thuật
• Phát hiện đối tượng trong video
• Kỹ thuật nhận dạng đối tượng
• Mạng neuron tích chập CNN
• Thuật toán SSD
• Thuật toán YOLO
• Phương pháp phát hiện đối tượng SSD
• Vector dự đoán
• Hàm chi phí
• Thuật toán học máy Adaboost
• Kĩ thuật nhận diện biển số xe
• Nhận dạng đối tượng
• Nhận dạng kí tự
• Bài toán phát hiện đối tượng
• 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
• Hệ thống giám sát thông minh
• Mô hình phát hiện đối tượng đánh cắp
• Bộ lọc Kalman
• Hệ thống giám sát bằng hình ảnh
• Phương pháp trừ ảnh nền
• Mạng nơ ron
• Mạng nơ ron hồi quy
• Mạng CNN tích chập
• Mô hình học sâu
• Xe tự hành phát hiện đối tượng
• Bảo hiểm xã hội
• Bảo hiểm y tế
• Hệ thống an sinh xã hội
• Chính sách bảo hiểm xã hội của Việt Nam
• Phát triển đối tượng tham gia bảo hiểm xã hội
• Tóm tắt luận án Tiến sĩ
• Tóm tắt luận án Tiến sĩ Y học
• Sàng lọc phát hiện ung thư phổi
• Phát hiện ung thư phổi
• Ung thư phổi
• Chụp cắt lớp vi tính
• Bài toán phát hiện logo
• Mô hình mạng học sâu
• Phương pháp Deep learning
• Hệ thống quản lý thƣơng hiệu
• Bài tiểu luận
• Ảnh hưởng của lạm phát
• Người tiêu dùng
• Tăng trưởng kinh tế
• Kiềm chế lạm phát chính phủ
• Biện pháp hạn chế lạm phát
• Tạp chí Khí tượng thuỷ văn
• Khí tượng thủy văn
• Nhận dạng cấu trúc bảng
• Chuyển đổi số
• Số hóa tài liệu
• đối tượng đột nhập
• xử lý hình ảnh
• ứng dụng DISCOVERY
• thuật giải đề xuất
• luận văn
• đối tượng tấn công
• hệ thống Pac
• chức năng tự động
• kỹ thuật phát hiện Ddos
• Kỹ thuật xử lý video
• video tuần tự
• khái niệm về video số