Xem mẫu
- HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG
KHOA CÔNG NGHỆ THÔNG TIN I
TÊN ĐỀ TÀI: ỨNG DỤNG MẠNG NEURAL TÍCH CHẬP
TRONG NHẬN DẠNG HOA QUẢ
CHUYÊN NGÀNH :HỆ THỐNG THÔNG TIN
GIẢNG VIÊN HƯỚNG DẪN :PGS.TS. NGUYỄN QUANG HOAN
HÀ NỘINĂM 2021
- HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG
KHOA CÔNG NGHỆ THÔNG TIN I
TÊN ĐỀ TÀI: ỨNG DỤNG MẠNG NEURAL TÍCH CHẬP
TRONG NHẬN DẠNG HOA QUẢ
CHUYÊN NGÀNH :HỆ THỐNG THÔNG TIN
GIẢNG VIÊN HƯỚNG DẪN :PGS.TS. NGUYỄN QUANG HOAN
HÀ NỘINĂM 2021
2
- MỤC LỤC
3
- MỞ ĐẦU
Mạng neural nhân tạo hay gọi ngắn gọn là mạng neural (tiếng anh là
Artifical Neural Network) đang là vấn đề khá nổi trong cuộc cách mạng công
nghệ 4.0. Các nhà nghiên cứu, các nhà khoa học, tổ chức đã và đang ứng dụng
khá nhiều công nghệ liên quan đến mạng neural vào đời sống hằng ngày. Đơn
giản là việc phân loại, nhận dạng các đối tượng trên camera. Chúng góp phần
không nhỏ cho việc quản lý, nhận dạng các đối tượng nhằm giảm thiểu sự
khó khăn trong công việc của con người.
Ở nước ta, nền nông nghiệp được chú trọng phát triển. Mỗi đợt thu
hoạch nông sản, người nông dân phải làm thao tác phân loại nông sản bằng
các biện pháp thủ công nên rất mất thời gian, công sức. Đây là công việc đơn
giản nhưng lại ảnh hưởng rất lớn đối với quy mô phát triển nông nghiệp.
Hiện nay nhờ sự phát triển mạnh mẽ của công nghệ trong lĩnh vực học
máy. Việc sử dụng các mạng neural nhân tạo trong các máy móc phục vụ nông
nghiệp khá là hay, luôn hấp dẫn các nghiên cứu sinh nghiên cứu về nó. Do đó,
nhờ sự tìm hiểu và sự giúp đỡ từ thầy hướng dẫn, em chọn đề tài: “Mạng
Couvolutional Neural Network và ứng dụng trong việc nhân dạng hoa quả”.
Bài báo cáo gồm 3 nội dung chính như sau:
Chương I: Giới thiệu tổng quan
Chương II: Tìm hiểu mạng Couvolutional Neural Netwok và mô hình mạng
Chương III: Ứng dụng Couvolutional Neural Network cho bài toán nhận dạng
hoa quả.
4
- Danh mục chữ viết tắt
Tên viết tắt Nghĩa tiếng anh Nghĩa tiếng viêt
ANN Artifical Neural Network Mạng neural nhân tạo
CNN Couvolutional Neural Mạng neural tích chập
Netwok
ReLU Rectified Linear Unit Đơn vị tính toán chỉnh
lưu
5
- Danh mục đồ thị
6
- Chương I: GIỚI THIỆU TỔNG QUAN
I.1. Phát biểu bài toán nhận dạng hoa quả
Bài toán nhận dạng là một bài toán khá cơ bản trong trí tuệ nhân tạo,
học sâu… Nó là nền tảng cho hầu hết các lý thuyết liên quan đến nhiều bài
toán mở rộng khác như phân lớp, định vị, tách biệt vật thể,... Tuy nhiên, nhìn
chung, bài toán này đã xuất hiện và tồn tại hàng thế kỉ mà con người vẫn chưa
tìm ra cách giải quyết hợp lý. Do đó, cũng có rất nhiều khó khăn trong việc để
máy móc hiểu được các thông tin trong bức ảnh. Các khó khăn có thể kê đến
như: sự đa dạng điểm ảnh, sự đa dạng về kích thước, điều kiện ánh sáng, sự
ẩn giấu của các vật thể, sự đa dạng chủng loại, màu sắc,…
Một trong những trường hợp cụ thể của bài toán nhận dạng đó là nhận
dạng hoa quả. Bài toán này kế thừa những khó khăn của bài toán nhận dạng
nói chung và kèm theo những khó khăn riêng của chính nó như: số lượng
chủng loại hoa quả theo mùa, miền, địa hình,… với vô số loại có kích thước,
màu sắc, kết cấu giống nhau trong suốt chu kỳ phát triển từ lúc xanh đến khi
chín; sự đa dạng về kích cỡ, hình dạng của cùng một loài quả do điều kiện khí
hậu, đất đai, vùng miền,… Do đó, để xử lý bài toán này đòi hỏi phải có những
phương pháp tiếp cận phù hợp với yêu cầu đề ra.
I.2.Phương pháp tiếp cận bài toán:
Bài toán nhận dạng hoa quả từ lâu đã xuất hiện trên nhiều bài báo, diễn
đàn, công trình khoa học đã đưa ra nhiều hướng giải quyết khác nhau. Trong
đó, sớm nhất phải kể đến phương pháp xử lý ảnh (image processing). Phương
pháp này tập trung phần lớn vào việc trích xuất đặc trưng của ảnh như: mức
xám, điểm ảnh, tham số màu sắc, kích thước hình dạng vật thể,… từ bức ảnh
đầu vào của hoa quả. Vì vậy nên phương pháp này chỉ tập trung vào một vài
bức ảnh đầu vào trong khi đó sự biến thiên về màu sắc, kích thước hoàn toàn
khác nhau đối với các loại hoa quả. Ảnh hưởng của nó đến hiệu suất của
phương pháp không được cao nên áp dụng rất hạn chế đối với các loại hoa
quả.
7
- Từ những năm 2000, một số bài báo viết về áp dụng phương pháp học
máy (machine learning) vào bài toán nhận dạng với độ chính xác cao. Từ đó,
hướng giải quyết tập trung vào ứng dụng và cải tiến thuật toán học máy, cụ
thể là nghiên cứu, thử nghiệm trích chọn đặc trưng cụ thể để đưa vào bộ
nhận dạng tự động. Trong phạm vi hạn chế số lượng hoa quả, phương pháp
này đã đạt được những kết quả đáng kinh ngạc.
Phương pháp học sâu cũng là một trong những cách tiếp cận được áp
dụng vào trong bài toán này. Cụ thể kết hợp xử lý dữ liệu và sử dụng mạng
neural như: ANN, CNN,… Điều này làm giảm đáng kể thời gian xử lý dữ liệu.
Hình .Mô tả 2 phương pháp trong bái toán nhận dạng
I.2.1.Phương pháp Machine Learning truyền thống
Phương pháp này gồm 2 giai đoạn chính là huấn luyện (training) và thử
nghiệm (testing). Trong mỗi giai đoạn thì yêu cầu chính và quan trọng đó là
trích trọn đặc trưng của ảnh (Feature extraction) và thuật toán phân loại, nhận
dang,… Hai thành phần này ảnh hưởng rất lớn đến kết quả bài toán do đó cần
thiết kế cẩn thận, tốn nhiều công sức, thời gian, yêu cầu đối với người thiết
kế phải nắm vững chuyên môn và hiểu rõ đặc trưng cần xử lý.
Trong thực tế, dữ liệu ta nhận được chỉ là dữ liệu thô, do đó những dữ
liệu này phải qua quá trình chọn lọc, xử lý. Để có thể có dữ liệu chuẩn đưa đi
8
- huấn luyện phải có quá trình biến đổi thành dạng dữ liệu cho máy hiểu. Mỗi
dữ loại dữ liệu sẽ có những đặc trưng riêng đối với từng trường hợp cụ thể.
Do đó cần tuỳ biến một cách thích hợp để đảm bảo tính chính xác của bài
toán.
I.2.2. Phương pháp học sâu – deep learning:
Là một trong các lĩnh vực chuyên sâu của học máy xuất hiện từ những
năm 1980 và hiện nay đang khá phổ biến. Ta có thể tận dụng kho dữ liệu số
khổng lồ trên internet và khả năng tính toán nhanh cho mô hình mạng.
Mạng Neural được ứng dụng phổ biến trong phương pháp này. Cụ thể
ta đưa dữ liệu qua nhiều lớp của mạng Neural và lấy kết quả đầu ra để sao
sánh với dữ liệu huấn luyện. Mỗi lớp của mạng sẽ phân tích đầu vào theo
khía cạnh khác nhau và mức trừu tượng tăng dần.
I.3. Phương hướng nghiên cứu bài toán:
Nhận dạng luôn là một bài toán nền tảng để phát triển bài toán tổng
quát, chi tiết với độ chính xác cao. Do đó, bài toán phụ thuộc chủ yếu vào bộ
dữ liệu. Bộ dữ liệu càng lớn thì tính chính xác càng được cải thiện.
Kết quả của bài toán sẽ được áp dụng cho các mức độ phức tạp chuyên
sâu hơn như: phân loại hoa quả, nhận dạng bệnh trên quả,…
Việc áp dụng mạng neural vào nghiên cứu đảm bảo yêu cầu: phương
pháp đơn giản, lượng dữ liệu đưa vào đầy đủ, chính xác với sản phẩm hoa
quả phù hợp ở nước ta, độ chính xác khi kết quả đầu ra dự đoán chính xác.
9
- Chương II: TÌM HIỂU MẠNG COUVOLUTIONAL NEURAL NETWOK
VÀ MÔ HÌNH MẠNG
II.1. Couvolutional neural netwok là gì?
Mạng neural tích chập (Couvolutional neural netwok) là một thuật toán
deep learning có thể lấy hình ảnh đầu vào, gán độ quan trọng (trọng số và độ
lệch) cho các đặc trưng và đối tượng khác nhau trong hình ảnh; có thể phân
biệt được đặc trưng và đối tượng này với nhau. Công việc tiền xử lý được
yêu cầu cho mạng neural tích chập ít hơn nhiều so với các mô hình khác.
Trong phương thức sơ khai, các bộ lọc được thiết kế bằng tay, với một quá
trình huấn luyện để chọn lọc ra các bộ lọc đặc trưng phù hợp thì mạng neural
tích chập lại có khả năng tự học để chọn ra các bộ lọc, đặc trưng tối ưu nhất.
Kiến trúc neural tích chập tương tự mô hình kết nối của các neural
trong bộ não con người và được lấy cảm hứng từ võ thị giác trong bộ não. Các
neural chỉ phản ứng với các kích thích trong một khu vực hạn chế của trường
thị giác gọi là trường tiếp nhận. Một tập hợp trường tiếp nhận như vậy chồng
lên nhau để bao phủ toàn trường thị giác.
10
- II.2.Lịch sử phát triển:
Nghiên cứu trong thập niên 1950 và 1960 của D.H Hubel và T.N Wiesel
trên não động vật đã đề xuất một mô hình mới cho việc cách mà động vật
nhìn nhận thế giới. Trong báo cáo hai ông đã mô tả 2 loại tế bào neural trong
não và cách hoạt động khác nhau: tế bào đơn giản (simple cell – S cell) và tế
bào phức tạp (complex cell – C cell).
Các tế bào đơn giản được kích hoạt khi nhận dạng các hình dáng đơn
giản như đường nằm trong một khu vực cố định và một góc cạnh của nó. Các
tế bào phức tạp có vùng tiếp cận lớn hơn và đầu ra của nó không nhạy cảm
với những vị trí cố định trong vùng.
Trong thị giác, vùng tiếp nhận của neural tương ứng với một vùng trên
võng mạc nơi sẽ kích hoạt neural tương ứng.
Năm 1980, Fukushima đề xuất mô hình mạng neural có cấp bậc gọi là
neocoginitron, Mô hình này dựa trên khái niệm về S cell và C cell. Mạng
neocoginitron có thể nhận dạng mẫu dựa việc học hình dáng đối tượng.
Sau đó năm 1988, Mạng neural tích chập được giới thiệu bởi Bengio,
LeCun, Bottou và Haffner. Mô hình đầu tiên được gọi tên là LeNet5. Mô hình
này có thể nhận dạng chữ viết tay.
11
- II.3 Phép tích chập (Convulution Operation)
Ta có thể hiểu phép tích chập giống như một hoạt động trộn thông tin
lại với nhau. Phép toán này được sử dụng tương đối rộng rãi trong nhiều
ngành khoa học và kỹ thuật khác nhau.
Trong toán học, phép tích chập giữa hai hàm f và g sẽ tạo ra một hàm
thứ ba biểu thị sự biến đổi của một hàm đối với hàm còn lại. Xét hai hàm f và
g, phép tích chập giữa hai hàm này được định nghĩa như sau:
12
- 13
- Hình .Hình ảnh đầu vào 2D mặt trời tích chập với một kernal.Một bản đồ đặc trưng (feuturemap) có kích thước
(N2)x(N2) là kết quả từ phép tính.
Chúng ta xem xét trong không gian một chiều, phép tích chập giữa hai
hàm f và g được mô tả bởi phương trình sau:
Đối với đầu vào 2 chiều như hình ảnh, chúng ta có đầu vào cho phép tích
chập. Đầu vào thứ nhất là một hình ảnh 2D, đầu vào còn lại được gọi là
kernel hoặc mask hoạt động giống như bộ lọc (filter) cho hình ảnh 2D đầu vào
và tạo ra một hình ảnh khác cho đầu ra. Chúng ta hãy xem xét cụ thể một 2D –
convolution:
14
- .
II.3. Kiến trúc mạng Couvolutional Neural Netwok:
Nguyên tắc chung trong hầu hết các mạng CNN hiện này đều được
thiết kế như sau:
Sử dụng nhiều Convolution Layer chồng lên nhau.
Giảm dần kích thước ouput mỗi tầng.
Tăng dần số lượng Feature map.
Mô hình mạng CNN dùng để huấn luyện và kiểm tra, mỗi hình ảnh đầu
vào sẽ được qua một loạt các lớp tích chập với các bộ lọc (Kernals), tổng hợp
lại các lớp được kết nối đầy đủ (Full Connected) và áp dụng hàm Softmax để
phân loại đối tượng có xác suất 0 và 1.
II.3.1.
Lớp tích chập –
Convolution Layer
Lớp tích chập (Convolution Layer) là lớp quan trọng nhất và cũng là lớp
đầu tiên của mô hình CNN. Lớp này có chức năng chính là phát hiện các đặc
trưng có tính không gian hiệu quả. Trong tầng này có bốn đối tượng chính là:
ma trận đầu vào, bộ lọc (filters), trường tiếp nhận (receptive field) và Feature
map.
Lớp tích chập đầu vào này sẽ là một ma trận ba chiều và một bộ lọc
cần phải học. Bộ lọc này sẽ trượt qua từng bức ảnh để tích chập
(Convolution) giữa bộ lọc và phần tương ứng trên bức ảnh. Phần tương ứng
này gọi là trường tiếp nhận (receptive field), tức là vùng mà neural có thể nhìn
15
- thầy để đưa ra quyết định, và ma trận cho ra bởi quá trình này gọi là Feature
map.
Ví dụ, dữ liệu đầu vào là ma trận có kích thước 8x8x1, một bộ lọc có
kích thước 2x2x1, feature map có kích thước 7x7x1. Mỗi giá trị feature map
được tính bằng tổng các phần tử tương ứng của bộ lọc 2x2x1 với trường tiếp
nhận trên ảnh. Và để tính tất cả các giá trị cho feature map, ta trượt bộ lọc từ
trái qua phải, trên xuống dưới. Do đó, phép convolution bảo toàn thứ tự không
gian các điểm ảnh.
Chức năng chính của lớp Convolution Layer là phát hiện đặc trưng của
ảnh (feature detector). Những đặc trưng này bao gồm các đặc trưng cơ bản
như: góc, cạnh, màu sắc, hoặc đặc trưng phức tạp hơn như texture ảnh. Vì bộ
lọc quét qua toàn bộ bức ảnh nên đặc trưng có thể nằm ở bất kỳ đâu trong
bức ảnh, cho dù xoay trái hay phải thì vẫn nhận ra đặc trưng đó.
16
- 17
- Trong ví dụ trên, khi dùng bộ lọc trượt qua ảnh của nhân vật Olaf trong
bộ phim Frozen. Ta thấy, chỉ những vị trí trên bức ảnh có dạng góc như đặc
trưng ở filter thì mới có giá trị lớn trên feature map, những vị trí còn lại có giá
trị thấp hơn.
Ngoài ra, các tham số như: kích thước bộ lọc, bước nhảy và padding
cũng khá quan trọng. Kích thước bộ lọc nhỏ thường được ưu tiên hơn trong
các mô hình huấn luyện, mặt khác, kích cỡ bộ lọc thường là số lẻ. Bước nhảy
thể hiện số pixel dịch chuyển khi di chuyển bộ lọc. Tham số padding khắc
phục tình trạng ma trận bị nhỏ đi khi qua các layer do đó đảm bảo kích thước
ban đầu của đầu vào để thực hiện huấn luyện.
II.3.2. Lớp phi tuyến (Nonlinear Layer)
Lớp này chứa các hàm phi tuyến để biến đổi ảnh.
ReLU (Rectified Linear Unit) là hàm kích hoạt trong mạng CNN. Hàm
này được ưu chuộng bởi vì tính toán đơn giản, giúp hạn chế tình trạng
vanishing gradient và cũng cho kết quả tốt hơn. ReLU cũng như các hàm kích
hoạt khác được đặt ngay sau tầng convolution, ReLU sẽ gán những giá trị âm
bằng 0, giữ nguyên các giá trị đầu vào khi lớn hơn 0.
ReLU cũng có một vấn đề tiềm ẩn đó là không tồn tại đạo hàm tại 0,
giá trị của hàm ReLU có thể lớn đến vô cùng và nếu không khởi tạo trọng số
cẩn thận, hoặc khởi tạo tốc độ học (learning rate) quá lớn thì những neural ở
tầng này có thể rơi vào trạng thái chết.
II.3.3. Lớp gộp – Pooling Layer
Sau hàm kích hoạt, thông thường chúng ta sẽ sử dụng tầng pooling. Một số
loại pooling phổ biến như maxpooling, average pooling, với chức năng chính
là giảm chiều tầng trước đó. Với một pooling kích thước 2x2, ta cần trượt bộ
lọc 2x2 này trên vùng ảnh kích thước rồi tính max, average của vùng đó.
18
- Ý tưởng đằng sau tầng pooling là vị trí tuyệt đối của những đặc trưng
trong không gian ảnh không còn cần thiết, thay vào đó vị trí tương đối giữ các
đặc trưng đã đủ phân loại đối tượng.
II.3.4. Lớp kết nối đầy đủ Fully Connected Layer
Tầng cuối cùng trong mô hình là tầng fully connected layer. Tầng này có
chức năng chuyển ma trận đặc trưng tầng trước thành vector chứa xác suất
đối tượng cần được dự đoán.
Ngoài ra, cuối quá trình huấn luyện cần hàm tính độ lỗi sai số dự đoán
và nhãn chính xác, cũng như sử dụng thuật toán backpropagation cho quá trình
cập nhập trọng số.
19
- Chương III: ỨNG DỤNG COUVOLUTIONAL NEURAL NETWORK
CHO BÀI TOÁN NHẬN DẠNG HOA QUẢ.
III.1. Cơ sở dữ liệu huấn luyện:
Độ phân giải của các bức ảnh là 32x32 pixel, hệ màu RGB.
Dữ liệu huấn luyện gồm 360 ảnh hoa quả trong đó gồm có:
90 ảnh quả táo
89 ảnh quả chuối
91 ảnh quả cam
90 ảnh quả nho.
Các dữ liệu đã được gán nhãn và thực hiện xử lý độ sáng và chuẩn hoá
sang dạng xml.
Dữ liệu test gồm 60 ảnh trong đó gồm có:
20 ảnh quả táo
15 ảnh quả chuối
10 ảnh quả cam
10 ảnh quả nho
5 ảnh có cả táo và chuối
5 ảnh có cả cam và táo
5 ảnh cả 4 loại quả
Dữ liệu test cũng đã được gán nhãn, thực hiện xử lý độ sáng và chuẩn
hoá sang
dạng xml.
Hình .Dữ liệu tiến hành
huấn luyện
20
nguon tai.lieu . vn
