Luận văn Thạc sĩ: Nghiên cứu phân loại độ tuổi của người bằng ảnh mặt người sử dụng mạng nơ ron tích chập

Sự phát triển mạnh mẽ của phần cứng máy tính đã thúc đẩy sự phổ biến và vai trò quan trọng của mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) trong lĩnh vực trí tuệ nhân tạo và xử lý ảnh, đặc biệt là trong việc phân tích các đặc điểm trên khuôn mặt người. Trong bối cảnh đó, việc ước tính độ tuổi chính xác từ hình ảnh khuôn mặt trở thành một nhiệm vụ then chốt với nhiều ứng dụng thương mại và xã hội, từ kiểm soát truy cập, tương tác người-máy đến phân tích thị trường. Tuy nhiên, khả năng tự động xác định độ tuổi vẫn còn gặp nhiều thách thức. Luận văn này ra đời nhằm nghiên cứu và đề xuất một mô hình mạng nơ ron tích chập hiệu quả để phân loại độ tuổi của người bằng hình ảnh, góp phần giải quyết những hạn chế của các phương pháp truyền thống.

Các nhà nghiên cứu, kỹ sư, sinh viên sau đại học trong lĩnh vực khoa học máy tính, trí tuệ nhân tạo, xử lý ảnh và thị giác máy tính.

Luận văn này tập trung nghiên cứu bài toán phân loại độ tuổi của người từ hình ảnh khuôn mặt, một lĩnh vực quan trọng trong học máy và xử lý ảnh. Nghiên cứu bắt đầu bằng việc tổng quan về các phương pháp tiếp cận truyền thống và học sâu, đồng thời chỉ ra những khó khăn cố hữu như sự đa dạng về chất lượng dữ liệu (nhiễu, mờ, ánh sáng kém), các biến đổi về góc nhìn, tỷ lệ, biến dạng khuôn mặt và vấn đề dữ liệu mất cân bằng. Để vượt qua các hạn chế này, tác giả đề xuất sử dụng mạng nơ ron tích chập (CNN), một mô hình Deep Learning tiên tiến, có khả năng tự động trích xuất đặc trưng hiệu quả từ dữ liệu hình ảnh. Luận văn đi sâu vào cấu trúc của CNN, các kỹ thuật tiền xử lý dữ liệu đầu vào, và quy trình xây dựng mô hình huấn luyện. Việc triển khai và thử nghiệm mô hình CNN trên bộ dữ liệu thực tế nhằm đánh giá khả năng phân loại độ tuổi, cho thấy giá trị ứng dụng cao của phương pháp này trong các hệ thống thông minh, từ đó cải thiện độ chính xác và độ tin cậy trong các ứng dụng thương mại và an ninh.