Bài viết này nhằm giải quyết vấn đề bằng cách sử dụng mô hình học máy Faster Region-based Convolutional Neural Network (Faster R-CNN) để phân loại nấm ăn được và nấm độc. Mô hình Faster R-CNN được huấn luyện trên tập dữ liệu hình ảnh nấm đa dạng, tập trung vào các đặc điểm hình dạng, màu sắc và kết cấu. Sau quá trình huấn luyện, mô hình đã đạt độ chính xác ấn tượng lên đến 99,10% trong việc phân loại nấm.

Bài viết trình bày mục tiêu nghiên cứu: Thu thập dữ liệu, xây dựng, huấn luyện mô hình Faster R-CNN để phát hiện, phân loại các tổn thương khu trú thường gặp ở gan; Kiểm thử, đánh giá hiệu quả mô hình theo tiêu chí về thời gian, độ chính xác. Đối tượng và phương pháp nghiên cứu: Bộ dữ liệu ảnh chụp cắt lớp vi tính tiêm thuốc cản quang vùng bụng có tổn thương gồm nang gan, u mạch máu, ung thư tế bào gan nguyên phát.

Đề tài “Ứng dụng mạng Nơ ron tích chập nhận dạng các đối tượng di động” được thực hiện nhằm mục tiêu của đề tài là thực nghiệm mô hình Faster R-CNN nhận dạng các đối tượng tĩnh và di động, đưa ra các đánh giá độ chính xác của mô hình trong trường hợp tín hiệu đầu vào lúc bình thường và nhiễu.