Bài viết nghiên cứu mô hình chú ý ngữ cảnh đa tầm nhìn cải tiến cho ViVQA, tăng độ chính xác lên 62,41%. Sử dụng Fusion Based on Attention Mechanism.

Đề tài nghiên cứu hướng đến việc xây dựng mô hình huấn luyện và triển khai mô hình trên nền tảng Web , cho phép nhận diện khuôn mặt từ các ảnh thư viện, từ ảnh chụp và nhận diện thời gian thực (realtime), dự đoán tên của sinh viên với tốc độ nhận diện và độ chính xác cao và đưa ra thông tin của sinh viên đó.

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 3: Mạng Convolutional Neural Network tập trung vào một trong những kiến trúc mạng nơ-ron mạnh mẽ nhất, đặc biệt hiệu quả trong xử lý ảnh. Chuyên đề này giới thiệu về CNN, cách thức hoạt động và hướng dẫn cài đặt CNN sử dụng thư viện Tensorflow. Đây là kiến thức cốt lõi để bạn xây dựng các ứng dụng thị giác máy tính. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 4: Các kiến trúc xử lý ảnh phổ biến tiếp tục khám phá các mô hình CNN tiên tiến và ứng dụng thực tế. Chuyên đề này ôn lại kiến trúc CNN, giới thiệu các mô hình xử lý ảnh phổ biến và kỹ thuật học chuyển tiếp (Transfer Learning) mạnh mẽ. Nắm vững các kiến trúc này giúp bạn giải quyết nhiều bài toán thị giác máy tính phức tạp. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Trí tuệ nhân tạo: Chương 6 - Ứng dụng của thị giác máy tính (computer vision), cung cấp cho sinh viên những kiến thức như: Khái niệm thị giác máy tính; Ứng dụng thị giác máy tính. Mời các bạn cùng tham khảo!

Bài giảng "Trí tuệ nhân tạo" Chương 1 - Tổng quan về trí tuệ nhân tạo, cung cấp cho sinh viên những kiến thức như: Tổng quan về AI; Các ứng dụng nổi bật của AI; Các kỹ thuật chính trong AI; Nhân sự trong các dự án AI; Vấn đề đạo đức trong AI. Mời các bạn cùng tham khảo!

Bài giảng "Học sâu và ứng dụng: Bài 7 - Một số ứng dụng học sâu trong thị giác máy tính" giới thiệu các ứng dụng tiêu biểu của học sâu trong lĩnh vực thị giác máy tính như: phân loại ảnh, phát hiện đối tượng, phân đoạn ảnh và nhận diện khuôn mặt. Qua đó, sinh viên hiểu được cách triển khai các mô hình học sâu cho từng bài toán cụ thể và nắm được các mô hình, công cụ thường dùng trong thực tiễn.

Bài giảng "Học sâu và ứng dụng: Bài 8 - Một số ứng dụng học sâu trong thị giác máy tính" gồm có các nội dung chính sau đây: Giới thiệu bài toán phân đoạn ảnh; hàm mục tiêu; lớp tăng độ phân giải upsampling;... Mời các bạn cùng tham khảo!

Để giúp các bạn học sinh củng cố lại phần kiến thức đã học, biết cấu trúc ra đề thi như thế nào và xem bản thân mình mất bao nhiêu thời gian để hoàn thành đề thi này, mời các bạn cùng tham khảo "Đề thi thử tốt nghiệp THPT môn Tin học (có đáp án) năm 2025 - Sở Giáo dục và Đào tạo Thành phố Huế (Đề thi tham khảo số 9)" dưới đây để có thêm tài liệu ôn thi.

Bài viết nghiên cứu và đề xuất mô hình hệ thống tự động phát hiện hành vi leo rào qua camera giám sát bằng giải thuật học sâu của YOLOv8 với tập dữ liệu được thu thập từ Internet và thực tế (1000 ảnh và 20 phim ngắn).

Bài viết giới thiệu và đề xuất chiến lược triển khai Selenium Webdriver để tự động hóa quá trình duyệt web kết hợp với kỹ thuật tìm kiếm bằng hình ảnh trên Google Lens, giúp tự động hóa quá trình thu thập thông tin về giá sản phẩm và tìm kiếm các sản phẩm tương tự trên các trang thương mại điện tử và hệ thống tìm kiếm Google.

Bài viết này đề xuất một tiếp cận phát hiện và phân loại một số bệnh trên trái cam với tập dữ liệu được lấy từ Kaggle kết hợp sử dụng một số kỹ thuật học sâu và thị giác máy tính dựa trên kiến trúc mạng YoloV8 và mạng MobileNetV2.

Bài viết tập trung nghiên cứu xây dựng mô hình hệ thống phát hiện và giám sát trạng thái buồn ngủ khi lái xe dựa trên thị giác máy tính. Sản phẩm có thể ứng dụng trên các phương tiện giao thông hiện nay (như xe ô tô hoặc xe có chức năng tương tự).

Bài viết trình bày một mô hình nhận dạng cảm xúc khuôn mặt hiệu quả và đơn giản dựa trên công nghệ học sâu. Việc nhận dạng cảm xúc khuôn mặt được thực hiện một cách tự động và chính xác, qua đó có thể rút ngắn thời gian thực hiện và tăng hiệu suất công việc.

Nghiên cứu này nhằm thử nghiệm, đánh giá khả năng ứng dụng trí tuệ nhân tạo (artifi cial intelligence – AI) trong tự động hóa chẩn đoán bệnh trên tôm sú (Penaeus monodon). Một số bệnh trên tôm sú có dấu hiệu đặc trưng có thể nhận biết thông qua hình ảnh; trên cơ sở đó chúng tôi vận dụng các kỹ thuật tiên tiến của AI trong lĩnh vực thị giác máy tính (computer vision) để xây dựng hệ thống chẩn đoán hình ảnh có khả năng phân loại một số bệnh thường gặp trên tôm sú ở Việt Nam.

Bài viết giới thiệu một ứng dụng di động có sẵn trên cả hai hệ điều hành Android và iOS, sử dụng công nghệ xử lý hình ảnh và trí tuệ nhân tạo để nhận diện bệnh trên quả dâu tây. Mô hình được để xuất, YOLOv8, với số lượng tham số tối thiểu, được áp dụng để đánh giá và phát hiện bệnh với độ chính xác cao. Phương pháp này được xem là một hướng đi hiệu quả để đáp ứng nhu cầu phát hiện bệnh trên quả dâu tây.

Phân loại hình ảnh là một trong những bài toán quan trọng trong lĩnh vực thị giác máy tính. Bài viết này đánh giá hai phương pháp chính trong phân loại hình ảnh: đặc trưng cục bộ và đặc trưng toàn cục. Kỹ thuật cổ điển như SIFT tập trung vào đặc trưng cục bộ, trong khi phương pháp hiện đại như Convolutional Neural Network (CNN), tiêu biểu là VGG-8, khai thác đặc trưng toàn cục.

Để đạt thành tích cao trong kì thi sắp tới, các bạn học sinh có thể sử dụng tài liệu "Đề thi giữa học kì 1 môn Tin học lớp 12 năm 2024-2025 - Trường THPT Hà Huy Tập, Quảng Nam" sau đây làm tư liệu tham khảo giúp rèn luyện và nâng cao kĩ năng giải đề thi, nâng cao kiến thức cho bản thân để tự tin hơn khi bước vào kì thi chính thức. Mời các bạn cùng tham khảo đề thi.

Với “Đề thi giữa học kì 1 môn Tin học lớp 12 năm 2024-2025 - Trường THPT Nguyễn Trãi, Quảng Nam" được chia sẻ dưới đây, các bạn học sinh được ôn tập, củng cố lại kiến thức đã học, rèn luyện và nâng cao kỹ năng giải bài tập để chuẩn bị cho kì thi sắp tới đạt được kết quả mong muốn. Mời các bạn tham khảo đề thi!