Đề án Thạc sĩ: Phát hiện đối tượng từ vựng mở có kích thước nhỏ trong ảnh chụp từ drone sử dụng OWL-ViT kết hợp SAHI

Trong bối cảnh trí tuệ nhân tạo và thị giác máy tính phát triển mạnh mẽ, khả năng phát hiện đối tượng từ ảnh chụp từ drone đóng vai trò quan trọng trong nhiều lĩnh vực như giám sát an ninh và quản lý môi trường. Tuy nhiên, các phương pháp truyền thống thường gặp khó khăn trong việc phát hiện các đối tượng kích thước nhỏ và bị giới hạn bởi từ vựng cố định. Sự xuất hiện của phát hiện đối tượng từ vựng mở (OVD) đã mở ra hướng tiếp cận mới, đặc biệt với các mô hình như OWL-ViT. Mặc dù OWL-ViT có khả năng mở rộng mạnh mẽ, hiệu suất của nó đối với các đối tượng nhỏ vẫn còn hạn chế. Đề tài này tập trung giải quyết thách thức đó bằng cách tích hợp OWL-ViT với kỹ thuật SAHI, nhằm nâng cao đáng kể khả năng phát hiện các đối tượng nhỏ trong ảnh drone, hướng tới các ứng dụng thực tiễn hiệu quả hơn.

Nghiên cứu sinh, kỹ sư, nhà khoa học dữ liệu, và chuyên gia trong lĩnh vực thị giác máy tính, trí tuệ nhân tạo, phát triển hệ thống drone, và các ứng dụng giám sát tự động.

Nghiên cứu này giải quyết bài toán quan trọng trong thị giác máy tính: phát hiện các đối tượng từ vựng mở, đặc biệt là những đối tượng có kích thước nhỏ, trong ảnh chụp từ drone. Các hệ thống giám sát và phân tích hiện đại đang ngày càng phụ thuộc vào dữ liệu drone, nhưng việc nhận diện các vật thể nhỏ vẫn là một thách thức lớn do đặc thù góc nhìn rộng và độ phân giải của hình ảnh. Các phương pháp phát hiện đối tượng truyền thống thường chỉ hoạt động với một tập hợp đối tượng cố định, trong khi mô hình Vision Transformer for Open-World Localization (OWL-ViT) mang lại khả năng nhận diện các lớp đối tượng chưa từng được huấn luyện. Tuy nhiên, OWL-ViT vẫn còn hạn chế về hiệu suất khi phát hiện các vật thể siêu nhỏ. Để khắc phục hạn chế này, đề tài đề xuất một giải pháp cải tiến bằng cách kết hợp OWL-ViT với kỹ thuật Slicing Aided Hyper Inference (SAHI). SAHI là một phương pháp hiệu quả giúp cải thiện khả năng phát hiện đối tượng nhỏ bằng cách chia nhỏ hình ảnh thành nhiều vùng chồng lấn, xử lý từng vùng và sau đó tổng hợp kết quả. Việc tích hợp SAHI vào OWL-ViT cho phép mô hình tận dụng khả năng của OWL-ViT trong việc nhận diện đối tượng từ vựng mở, đồng thời cải thiện độ chính xác và giảm thiểu bỏ sót các đối tượng kích thước nhỏ. Phương pháp này được đánh giá thông qua thực nghiệm trên bộ dữ liệu VisDrone2019-Detection, so sánh kết quả với OWL-ViT ban đầu và các mô hình phát hiện đối tượng khác. Giá trị ứng dụng của nghiên cứu nằm ở việc cung cấp một công cụ mạnh mẽ hơn cho các hệ thống giám sát bằng drone, phân tích dữ liệu ảnh chi tiết hơn và hỗ trợ quá trình gán nhãn dữ liệu tự động, góp phần nâng cao hiệu quả và độ tin cậy trong các ứng dụng thực tiễn của trí tuệ nhân tạo.