Tóm tắt Luận án Tiến sĩ: Nghiên cứu phương pháp nâng cao độ chính xác phát hiện và nhận dạng tiếng Việt trong ảnh căn cước công dân và ảnh ngoại cảnh

Luận án này tập trung nghiên cứu các phương pháp nâng cao độ chính xác trong việc phát hiện và nhận dạng văn bản tiếng Việt trong ảnh ngoại cảnh, đặc biệt là trên ảnh căn cước công dân và ảnh chụp ngẫu nhiên trong môi trường thực tế. Mục tiêu là phát triển các giải pháp giúp máy tính có thể nhận diện chữ viết tiếng Việt một cách đầy đủ và chính xác hơn trong các điều kiện phức tạp.

Luận án này hướng đến các nhà nghiên cứu, sinh viên và chuyên gia trong lĩnh vực khoa học máy tính, thị giác máy tính, học sâu và xử lý ngôn ngữ tự nhiên, đặc biệt là những người quan tâm đến bài toán phát hiện và nhận dạng văn bản tiếng Việt trong ảnh ngoại cảnh.

Luận án tiến sĩ này trình bày nghiên cứu về các phương pháp nâng cao độ chính xác trong việc phát hiện và nhận dạng văn bản tiếng Việt trong ảnh ngoại cảnh, bao gồm cả ảnh căn cước công dân và ảnh chụp trong môi trường thực tế. Với sự phát triển của các thiết bị thông minh, nhu cầu nhận dạng chữ viết trong các bối cảnh đa dạng ngày càng tăng, nhưng việc nhận diện tiếng Việt với các kiểu chữ và cách bố trí phức tạp trong ảnh ngoại cảnh vẫn còn nhiều thách thức. Luận án đề xuất một giải pháp tổng thể gồm ba giai đoạn chính: tiền xử lý và nắn chỉnh ảnh, phát hiện văn bản, và nhận dạng văn bản. Cụ thể, phương pháp VNST-REC (Vietnamese Scene Text Rectification) được giới thiệu để nắn chỉnh các hình ảnh văn bản bị biến dạng, sử dụng kiến trúc mạng học sâu để phát hiện vùng quan tâm (ROI), phân vùng ảnh và phát hiện điểm góc, sau đó nắn chỉnh ảnh. Phương pháp này đã chứng minh hiệu quả cao với độ chính xác trên 97.65% trong việc nắn chỉnh ảnh phức tạp. Tiếp theo, luận án phát triển phương pháp VNSTD (Vietnamese Scene Text Detector) nhằm nâng cao chất lượng phát hiện văn bản tiếng Việt trong ảnh ngoại cảnh. VNSTD được thiết kế để xử lý hiệu quả các hình dạng và kích thước chữ khác nhau, đặc biệt là khả năng xử lý tốt các dấu mũ và dấu thanh điệu trong tiếng Việt, vốn là một thách thức lớn. Cuối cùng, phương pháp VNSTR được đề xuất để nâng cao chất lượng nhận dạng văn bản tiếng Việt, bao gồm mô hình dự đoán chuỗi ký tự, mô hình ngôn ngữ, và cơ chế hợp nhất để cải thiện độ chính xác. Một đóng góp quan trọng của luận án là việc xây dựng một tập dữ liệu hoàn toàn mới gồm 3000 hình ảnh tiếng Việt được chụp từ thực tế trong môi trường ngoại cảnh, giúp kiểm chứng và phát triển các giải pháp một cách toàn diện. Các phương pháp được đề xuất trong luận án đã được hợp nhất thành một giải pháp tổng thể nhằm giải quyết hiệu quả bài toán text spotting tiếng Việt, vượt trội hơn so với các phương pháp hiện có trên tập dữ liệu ảnh thực tế.