Tóm tắt Luận án Tiến sĩ Kỹ thuật điện tử: Nghiên cứu và phát triển phương pháp trích chọn đặc trưng dựa trên học sâu trong tái định danh người

Nội dung tài liệu:

Luận án tập trung nghiên cứu và phát triển các phương pháp trích chọn đặc trưng học sâu nhằm nâng cao chất lượng cho mô hình tái định danh người sử dụng hình ảnh thu nhận từ các camera giám sát. Bên cạnh đó, luận án cũng đề xuất một phương pháp nén mạng học sâu để triển khai trên các thiết bị phần cứng có tài nguyên hạn chế như FPGA. Nghiên cứu này hướng tới việc cải tiến và phát triển mô hình học sâu cho việc trích chọn đặc trưng ảnh/video một cách hiệu quả hơn, làm nền tảng cho các nghiên cứu khác trong lĩnh vực thị giác máy tính. Các phương pháp đề xuất bao gồm cải tiến kiến trúc mạng ResNet-50 để trích đặc trưng cục bộ, kết hợp các đặc trưng theo chiến lược kết hợp muộn và sử dụng độ đo EMD để tính khoảng cách giữa các tập đặc trưng cục bộ. Ngoài ra, luận án còn nghiên cứu khai thác đặc trưng video dựa trên mạng Nơ-ron hồi quy để tái định danh người.

Mục lục chi tiết:

• MỞ ĐẦU
  • Tính cấp thiết
  • Mục tiêu nghiên cứu
  • Đối tượng, phạm vi nghiên cứu và những thách thức
  • Phương pháp nghiên cứu
  • Ý nghĩa khoa học và thực tiễn của đề tài
  • Các đóng góp
  • Bố cục của luận án
• CHƯƠNG 1: NGHIÊN CỨU TỔNG QUAN
  • Trích chọn đặc trưng hình ảnh
  • Một số kiến trúc mạng tích chập phổ biến
  • Mạng Nơ-ron hồi quy
  • Phát hiện đối tượng trên ảnh sử dụng học sâu
  • Theo vết đối tượng sử dụng học sâu
  • Bài toán tái định danh người và các vấn đề liên quan
  • Nén mạng học sâu và triển khai trên FGPA
  • Kết luận chương
• CHƯƠNG 2: TRÍCH CHỌN ĐẶC TRƯNG HỌC SÂU CỤC BỘ TRONG TÁI ĐỊNH DANH NGƯỜI
  • Đặt vấn đề
  • Phương pháp đề xuất
    • Đề xuất 1: Trích đặc trưng cục bộ cho ảnh dựa trên thay đổi kiến trúc ResNet 50
    • Đề xuất 2: Kết hợp các đặc trưng theo chiến lược kết hợp muộn
    • Đề xuất 3: Tính khoảng cách giữa hai tập đặc trưng cục bộ bằng độ đo EMD
  • Thử nghiệm và kết quả
    • Cơ sở dữ liệu cho bài toán tái định danh
    • Đánh giá hiệu quả của đặc trưng cục bộ với chiến lược nối đơn giản
    • Đánh giá hiệu quả của đặc trưng cục bộ với các chiến lược kết hợp muộn
    • Đánh giá hiệu quả của đặc trưng cục bộ với khoảng cách EMD
  • Kết luận chương
• CHƯƠNG 3: KHAI THÁC ĐẶC TRƯNG VIDEO DỰA TRÊN MẠNG NƠ-RON HỒI QUY TÁI ĐỊNH DANH NGƯỜI
  • Đặt vấn đề
  • Một số kiến trúc mạng Nơ-ron hồi quy phổ biến
    • Recurrent Neural Network (RNN)
    • Long Short-term Memory (LSTM)
    • Long Short-term Memory với cặp cổng (LSTMC)
    • Long Short-term Memory với kết nối Peephole (LSTMP)
    • Gated Recurrent Unit (GRU)
  • Đánh giá hiệu quả của các mạng Nơ-ron hồi quy cho bài toán tái định danh sử dụng chuỗi hình ảnh