Tóm tắt Luận văn Thạc sĩ: Nghiên cứu Học sâu trong nhận dạng khuôn mặt ứng dụng cho bài toán điểm danh tự động học sinh

Trong bối cảnh giáo dục hiện đại, việc ứng dụng công nghệ thông tin đóng vai trò then chốt trong việc nâng cao hiệu quả quản lý và chất lượng đào tạo. Các phương pháp điểm danh thủ công truyền thống tại các trường phổ thông đang đối mặt với nhiều thách thức, dẫn đến tình trạng thiếu chính xác và kém hiệu quả trong việc theo dõi sự hiện diện của học sinh. Sự phát triển vượt bậc của học sâu, đặc biệt trong lĩnh vực nhận dạng khuôn mặt, đã mở ra triển vọng to lớn để giải quyết các vấn đề này. Luận văn này nghiên cứu việc tích hợp các kỹ thuật học sâu vào hệ thống nhận dạng khuôn mặt để phát triển một giải pháp điểm danh tự động, nhằm cải thiện công tác quản lý học sinh và tối ưu hóa quy trình hành chính tại các cơ sở giáo dục.

Nhà nghiên cứu và chuyên gia trong lĩnh vực học sâu, thị giác máy tính, công nghệ giáo dục; cán bộ quản lý và chuyên viên IT tại các trường phổ thông.

Luận văn này trình bày nghiên cứu và phát triển một hệ thống điểm danh tự động dành cho học sinh, sử dụng các công nghệ học sâu tiên tiến trong nhận dạng khuôn mặt. Hệ thống được thiết kế nhằm khắc phục những hạn chế cố hữu của phương pháp điểm danh thủ công, vốn gây ra nhiều bất cập trong quản lý học sinh tại các trường phổ thông. Nội dung luận văn bắt đầu bằng việc tổng quan về xử lý ảnh, các thách thức trong bài toán nhận dạng khuôn mặt như góc chụp, biểu cảm, và các thành phần gây che khuất, đồng thời nhấn mạnh tầm quan trọng của giải pháp điểm danh tự động. Về phương pháp luận, luận văn đi sâu vào lý thuyết học máy và học sâu, đặc biệt là kiến trúc mạng nơron tích chập (CNN), giải thích cách thức hoạt động, cấu trúc và quy trình huấn luyện các lớp chức năng như lớp tích chập, pooling, và lớp kết nối đầy đủ. Để phát hiện khuôn mặt hiệu quả, hệ thống tích hợp Multi-task Cascaded Convolutional Networks (MTCNN) với cơ chế ba giai đoạn (P-Net, R-Net, O-Net). Mô hình ResNet được lựa chọn để trích xuất đặc trưng và nhận dạng khuôn mặt, nhờ vào khả năng xử lý mạng sâu và cấu trúc khối dư (residual block) giúp tối ưu hóa quá trình học. Ứng dụng cụ thể của nghiên cứu là xây dựng hệ thống điểm danh tự động tại trường THPT Thanh Oai B, Hà Nội. Giải pháp này không chỉ nâng cao tính chính xác và kịp thời của dữ liệu điểm danh mà còn cung cấp một công cụ hữu ích cho ban giám hiệu và giáo viên, giúp quản lý học sinh chặt chẽ hơn, giảm thiểu tình trạng vắng mặt không lý do và tối ưu hóa hoạt động hành chính. Từ đó, góp phần cải thiện chất lượng quản lý giáo dục và hỗ trợ hiệu quả cho phụ huynh trong việc theo dõi tình hình học tập của con em.