Đề án Thạc sĩ: Xác định trạng thái biểu cảm khuôn mặt sử dụng học sâu

Xác định trạng thái biểu cảm khuôn mặt (Facial Expression Recognition - FER) là một lĩnh vực quan trọng trong thị giác máy tính, đóng vai trò then chốt trong nhiều ứng dụng thực tế như tư vấn chăm sóc khách hàng, giáo dục thông minh và dịch vụ công. Các kỹ thuật học sâu đã chứng tỏ hiệu quả vượt trội trong việc giải quyết bài toán này. Tuy nhiên, các mô hình học sâu truyền thống, thường dựa trên kiến trúc tích chập sâu, có xu hướng lớn về kích thước và đòi hỏi tài nguyên tính toán đáng kể, dẫn đến thời gian suy luận kéo dài và khó khăn khi triển khai trên các thiết bị có tài nguyên hạn chế. Nghiên cứu này nhằm giải quyết thách thức đó bằng cách đề xuất một mô hình học sâu nhẹ, tối ưu về tham số nhưng vẫn đảm bảo hiệu suất cao, mở ra tiềm năng ứng dụng FER thời gian thực rộng rãi hơn.

Nghiên cứu sinh, kỹ sư AI, nhà khoa học dữ liệu và sinh viên chuyên ngành Khoa học Máy tính, đặc biệt quan tâm đến lĩnh vực thị giác máy tính, học sâu và nhận dạng biểu cảm khuôn mặt.

Bài toán nhận dạng biểu cảm khuôn mặt (FER) ngày càng trở nên thiết yếu, với khả năng ứng dụng đa dạng từ cải thiện tương tác người-máy đến phân tích hành vi trong các lĩnh vực như chăm sóc khách hàng và giáo dục thông minh. Dù các phương pháp học sâu đã đạt được độ chính xác ấn tượng trong FER, chúng thường gặp phải hạn chế về kích thước mô hình lớn và yêu cầu tính toán cao, làm cản trở việc triển khai trên các nền tảng có tài nguyên hạn chế. Luận án này tập trung vào việc phát triển một mô hình học sâu nhẹ (lightweight model) để giải quyết những thách thức trên, ưu tiên hiệu quả về tốc độ và khả năng triển khai mà vẫn duy trì hiệu suất nhận dạng mạnh mẽ. Phương pháp đề xuất tích hợp ba thành phần kiến trúc chính: tích chập phân tách theo chiều sâu (depthwise separable convolution) để giảm đáng kể số lượng tham số, khối phần dư (residual blocks) nhằm cải thiện khả năng học sâu của mạng, và cơ chế chú ý (attention mechanisms) cả kênh và không gian để mô hình tập trung vào các đặc trưng biểu cảm quan trọng. Sự kết hợp này được thiết kế để tạo ra một mạng lưới có khả năng cân bằng tối ưu giữa kích thước, tốc độ suy luận và độ chính xác. Hiệu quả của mô hình được đánh giá thông qua thực nghiệm trên các bộ dữ liệu FER công khai phổ biến như FER2013, CK+, FER-Plus và RAF-DB, đồng thời so sánh với các công trình liên quan. Kết quả kỳ vọng sẽ chứng minh rằng mô hình nhẹ này có thể đạt được hiệu suất cạnh tranh, mở đường cho các ứng dụng FER thời gian thực trên các thiết bị biên, nơi tài nguyên bộ nhớ và tính toán là giới hạn.