TRƯỜNG ĐẠI

TRƯỜNG ĐẠI HỌC

HỌC QUY
QUY NHƠN
NHƠN
KHOA CÔNG
KHOA CÔNG NGHỆ
NGHỆ THÔNG
THÔNG TIN
TIN

ĐỀ CƯƠNG
KHÓA LUẬN TỐT NGHIỆP
ĐỀ CƯƠNG
XÂY DỰNG MÔ HÌNHKHÓA
DEEP LEARNING NHẬN DẠNG BIỂN BÁO GIAO
LUẬN TỐT NGHIỆP
THÔNG
XÂY DỰNG MÔ HÌNH DEEP LEARNING NHẬN DẠNG BIỂN BÁO GIAO THÔNG

Sinh viên Lê Thị Minh Tâm

Sinh viênngành
Chuyên Lê Thị học
Khoa Minh Tâm
máy tính
Chuyên
Khóa họcngành Khoa
K41 học máy tính
Khóa học K41
Người hướng dẫn TS. Lê Xuân Vinh

Quy Nhơn, tháng 11 năm 2021

Quy Nhơn, tháng 11 năm 2021

1
2
 TRƯỜNG ĐẠI HỌC QUY NHƠN
KHOA CÔNG NGHỆ THÔNG TIN

ĐỀ CƯƠNG
KHÓA LUẬN TỐT NGHIỆP
XÂY DỰNG MÔ HÌNH DEEP LEARNING NHẬN DẠNG BIỂN BÁO GIAO THÔNG

Sinh viên Lê Thị Minh Tâm

Chuyên ngành Khoa học máy tính

Người hướng dẫn TS. Lê Xuân Vinh

Quy Nhơn, tháng 11 năm 2021

3
MỤC LỤC

I. Đặt vấn đề....................................................................................................................... 4

1. Lý do chọn đề tài.........................................................................................................4
2. Mục tiêu nghiên cứu....................................................................................................4
II. Tổng quan....................................................................................................................... 4
III. Nội dung và phương pháp nghiên cứu..........................................................................5
1. Đối tượng và phạm vi nghiên cứu..............................................................................5
2. Nội dung nghiên cứu...................................................................................................5
3. Phương pháp nghiên cứu............................................................................................5
IV. Dự đoán kết quả.............................................................................................................5
V. Tài liệu tham khảo..........................................................................................................6
VI. Kế hoạch thực hiện đề tài...............................................................................................6

4
 I. Đặt vấn đề
1. Lý do chọn đề tài
Cuộc cách mạng công nghiệp 4.0 đang ngày càng ảnh hưởng mạnh mẽ đến
mọi hoạt động của xã hội và đời sống. Bản chất của nó chính là dựa trên nền tảng
công nghệ số và tích hợp tất cả các công nghệ thông minh để tối ưu hoá mọi hoạt
động của con người trên mọi lĩnh vực. Những năm vừa qua, việc ứng dụng, phát
triển khoa học công nghệ đã và đang được Đảng, nhà nước ta ngày càng chú trọng
đầu tư phát triển mạnh, lĩnh vực giao thông cũng không nằm ngoài xu thế của sự
phát triển đó.
Ngày nay khi tốc độ phát triển kinh tế, công nghiệp và dịch vụ ngày càng tăng,
nhu cầu giao thông đi lại của con người ngày càng quan trọng.
Mỗi ngày trên thế giới có hàng triệu vụ tai nạn giao thông xảy ra làm thiệt hại
nghiêm trọng về người và tài sản. Có rất nhiều nguyên nhân gây ra tai nạn giao
thông nhưng phần lớn là do tài xế không làm chủ được tốc độ, không quan sát
hoặc không kịp nhận ra các loại biển báo và tín hiệu giao thông.
Xuất phát từ lý do trên, tôi tiến hành nghiên cứu đề tài: Xây dựng mô hình học
sâu để phân loại biển báo giao thông.
2. Mục tiêu nghiên cứu
 Nghiên cứu mạng neural tích chập: cấu trúc, thành phần, nguyên lý hoạt
động, huấn luyện, đánh giá và sử dụng mô hình.
 Cài đặt, thử nghiệm chương trình phân loại, nhận dạng biển báo giao
thông.
II. Tổng quan
Bài toán phân loại biển báo giao thông được ứng dụng rất nhiều trong thực tế, được
tích hợp vào xe ô tô để nhận dạng biển báo tự động và đưa ra các cảnh báo. Do có
nhiều ứng dụng quan trọng nên từ lâu bài toán phân loại biển báo giao thông đã thu
hút sự quan tâm của nhiều nhà nghiên cứu. Nghiên cứu đầu tiên được các nhà nghiên
cứu Nhật Bản thực hiện vào năm 1984 để phát hiện các biển báo giao thông trên ô tô
tự lái. Việc phát hiện biển báo giao thông cũng được thực hiện bằng kỹ thuật xử lý
hình ảnh những kỹ thuật hiện đại này có một số hạn chế trong xử lý hình ảnh có thể
gây ra việc không phát hiện được biển báo giao thông. Một số nghiên cứu đã được đề
xuất để thực hiện việc phân loại hình ảnh bằng cách sử dụng mạng nơ-ron tích chập
để có được độ chính xác cao trong việc phân loại hình ảnh và phát hiện hình ảnh mà
không có bất kỳ lỗi và ngoại lệ nào. Mạng nơ-ron tích chập lần đầu tiên được giới
thiệu vào năm 1989 với LeNet-1 và lần đầu tiên được sử dụng trong xử lý hình ảnh
bởi lecun và cộng sự vào năm 1995. Sau đó, mạng nơ-ron tích chập đóng một vai trò
rất quan trọng trong lĩnh vực thị giác máy tính và trở thành công nghệ tiên tiến nhất
đối với các kỹ thuật hiện nay. Nhiều nghiên cứu đã được thực hiện đối với các biển
báo giao thông của các quốc gia khác nhau và được thực hiện thành công trên xe ô tô
5
 tự lái, nhiều công ty đã sử dụng những mô hình này để sử dụng trong xe ô tô lái tự lái
của họ.

III. Nội dung và phương pháp nghiên cứu

1. Đối tượng và phạm vi nghiên cứu
Các loại biển báo giao thông đường bộ.

2. Nội dung nghiên cứu

Mở đầu
Chương 1: Cơ sở của Deep Learning
Tổng quan về học máy
Mạng nơ ron nhân tạo
Chương 2: Mô hình mạng neural tích chập (CNN)
Giới thiệu
Cấu trúc
Các phép toán: tích chập, pooling, ….
Huấn luyện
Đánh giá
Chương 3: Xây dựng chương trình nhận dạng biển báo giao thông
1. Xây dựng mô hình phân lớp
- Chuẩn bị dữ liệu
- Lựa chọn mô hình
- Xây dựng, huấn luyện
- Đánh giá
2. Xây dựng chương trình sử dụng
- Đọc ảnh từ thư mục
- Sử dụng mô hình phân lớp
- Trình bày kết quả

3. Phương pháp nghiên cứu

 Tìm hiểu mô hình mạng neural tích chập trong việc phân loại biển báo
giao thông.
 Cài đặt chương trình thử nghiệm và đánh giá kết quả phân loại.

IV. Dự đoán kết quả

Nghiên cứu thành công mang neural tích chập (CNN) và đưa vào để phân loại, nhận
dạng biển báo giao thông.

V. Tài liệu tham khảo

6
 [1]. Image Classification using CNN for Trafic Signs in Pakistan,
https://arxiv.org/pdf/2102.10130.pdf
[2]. Usage of CNN for Classification of Traffic signs,
https://www.ijrpr.com/uploads/V2ISSUE7/IJRPR694.pdf
[3]. Road image augmentation with synthetic traffic signs using neural networks,
https://arxiv.org/pdf/2101.04927.pdf
[4]. A neural network model for traffic signs recognition in intelligent transport
system,
http://www.mathnet.ru/links/7eae83efd31fc820d220b6536b11a089/crm893.pdf
[5]. Localizing and Classifying the Extensive Traffic Signs with Convolutional
Neural Networks, https://paideumajournal.com/gallery/30-may2021.pdf
[6]. Traffic Sign Classification Using Deep Learning,
https://turcomat.org/index.php/turkbilmat/article/view/3007/2579
[7]. Nghiên cứu về mạng neural convolutional, áp dụng vào bài toán nhận dạng đối
tượng trong lĩnh vực thị giác máy tính,
http://lib.uet.vnu.edu.vn/bitstream/123456789/1052/1/Lu%E1%BA%ADn%20v
%C4%83n%20-%20Nguy%E1%BB%85n%20M%E1%BA%A1nh%20H
%C3%B9ng.pdf?
fbclid=IwAR33Bwaazf2q8rZJ_ykhs14XwaHLwO9hNM8uLjnMDfn3iyAETIuhpF5d
kiA
[8]. Nhận dạng khuôn mặt trong video bằng mạng neural tích chập,
file:///C:/Users/ASUS/Downloads/10-V%C4%83n-b%E1%BA%A3n-c%E1%BB
%A7a-b%C3%A0i-b%C3%A1o-35-1-10-20200715%20(1).pdf
[9]. Phát hiện và nhận dạng biển báo giao thông đường bộ sử dụng đặc trưng HOG và
mạng nơ-ron nhân tạo,
https://www.researchgate.net/publication/286927417_PHAT_HIEN_VA_NHAN_DA
NG_BIEN_BAO_GIAO_THONG_DUONG_BO_SU_DUNG_DAC_TRUNG_HOG
_VA_MANG_NORON_NHAN_TAO

VI. Kế hoạch thực hiện đề tài

STT Nội dung thực hiện Thời gian Kết quả dự kiến
Đề tài: Xây dựng mạng học
Xác định đề tài
1 Tháng 10/2021 sâu để nhận dạng biển báo
giao thông.
2 Xác định nguồn tài liệu Tháng 11/2021 Danh mục tài liệu tham khảo
tham khảo chính.

7
 Nghiên cứu tài liệu, các
ngôn ngữ lập trình và
tìm hiểu các công cụ hỗ
trợ cần thiết.
Tìm hiểu về cơ sở của Tổng quan về học máy và
3 Tháng 12/2021
deep learning. mạng neural nhân tạo.
Tìm hiểu và phân tích Tính chất của mạng neural
4 mạng neural tích chập Tháng 1/2021 tích chập
(CNN)
Xây dựng chương trình Mô hình CNN phân loại biển
5 nhận dạng biển báo giao Tháng 2/2021 báo giao thông và chương
thông trình sử dụng.
Viết báo cáo Tháng 3/2021 Hoàn thiện báo cáo
6

....................., ngày ... tháng ... năm .............

SINH VIÊN THỰC HIỆN
(Ký và ghi rõ họ tên)

....................., ngày ... tháng .. năm .............

XÁC NHẬN CỦA KHOA NGƯỜI HƯỚNG DẪN
(Ký và ghi rõ họ tên)