Phương pháp quan sát: Quan sát đối tượng nghiên cứu từ đó tìm ra các đặc điểm chung
Từ đó kết hợp với kết quả tìm hiểu phương pháp trích chọn đặc trưng dựa trên học sâu đề
xuất một phương pháp trích chọn đặc trưng hiệu quả cho bài toán tái định danh
Phương pháp mô phỏng và thực nghiệm: Tiến hành các thực nghiệm trên các cơ sở dữ
liệu dùng chung. So sánh với các kết quả nghiên cứu trước. Từ đó rút ra kết luận.
5. Ý nghĩa khoa học và thực tiễn của đề tài
Luận án hướng tới cải tiến và phát triển mô hình học sâu cho việc trích chọn đặc trưng
ảnh/video một cách hiệu quả hơn cho tái định danh người. Rõ ràng trích chọn đặc trưng là
vấn đề nghiên cứu quan trọng bởi nó quyết định trực tiếp đến chất lượng của bất kỳ mô hình
học máy nào không chỉ dừng lại ở bài toán tái định danh người. Kết quả nghiên cứu thu được
có thể làm nền tảng cho các nghiên cứu khác nhằm nâng cao chất lượng mô hình cho các bài
toán khác trong thị giác máy tính. Bên cạnh đó, tái định danh người là một bài toán phổ biến
và có tính ứng dụng cao. Tái định danh nhằm xác định lại một người khi người đó được quan
sát bởi các camera giám sát khác nhau. Trong bài toán này, đối tượng quan tâm là hình ảnh
người được thu nhận bởi các camera giám sát khác nhau. Thành công thu được từ các kết
quả nghiên cứu cho bài toán tái định danh có thể được áp dụng trong các hệ thống tìm kiếm
người dựa trên hình ảnh thu nhận được từ camera giám sát trên thực tế. Ngoài ra, việc nghiên
cứu, thử nghiệm các phương pháp nén mạng cũng mang lại ý nghĩa rất quan trọng. Nhờ đó
có thể triển khai các kiến trúc mạng học sâu trên các thiết bị phần cứng có tài nguyên hạn
chế. Từ các phân tích trên chứng tỏ luận án có ý nghĩa về mặt khoa học và thực tiễn.
6. Các đóng góp
−Đề xuất cải tiến mạng trích chọn đặc trưng học sâu cho phép khai thác thông tin cục
bộ của ảnh người nhằm nâng cao chất lượng đặc trưng ảnh trong bài toán tái định danh
người sử dụng hình ảnh từ mạng camera giám sát. Cụ thể luận án đã thực hiện cải tiến
mạng ResNet-50 để trích đặc trưng ảnh đồng thời đề xuất phương pháp đối sánh đặc trưng
thu được dựa trên độ đo khoảng cách EMD (Earth Movers Distance) cho tái định danh
người. Kết quả được trình bày tại [CT7, 8]. Ngoài ra, luận án đề xuất một phương pháp
nén mạng học sâu hướng tới việc triển khai trên phần cứng FPGA, đồng thời thử nghiệm
phương pháp này với mạng học sâu VGG16-SSD phục vụ bài toán phát hiện đối tượng.
Kết quả được trình bày tại [CT6]
−Đề xuất cải tiến mô hình tái định danh dựa trên chuỗi hình ảnh có sử dụng các biến thể
mạng RNN cho việc tổng hợp các đặc trưng mức chuỗi ảnh. Xây dựng một cơ sở dữ liệu
phục vụ đánh giá đầy đủ các pha trong một hệ thống tái định danh bao gồm phát hiện,
theo vết và tái định danh người. Các hình ảnh của CSDL được thu nhận tại trường Đại
học Bách Khoa Nà Nội. Kết quả được công bố tại [CT1, 2, 3, 4, 5]
7. Bố cục của luận án
Ngoài phần mở đầu và phần kết luận, Luận án được chia thành 4 chương:
−Chương 1: Trình bày các nghiên cứu liên quan đến học sâu, các mô hình mạng học sâu
tiêu biểu và vấn đề trích chọn đặc trung sử dụng các mô hình học sâu, các nghiên cứu liên
2
