Computational Aspects of Digital Plane and Hyperplane Recognition

PROCEEDINGS OF THE 14TH NATIONAL CONFERENCE ON FUNDAMENTAL AND APPLIED INFORMATION TECHNOLOGY RESEARCH, 2021

Nhận dạng khuôn mặt là một bài toán đã có lâu đời và được nghiên cứu rộng rãi trong nhiều năm trở lại đây. Bài toán nhận dạng khuôn mặt áp dụng trong nhiều lĩnh vực khác nhau như: hệ thống phát hiện tội phạm, hệ thống giám sát vào ra trong một đơn vị, hệ thống giám sát nơi công cộng, hệ thống tìm kiếm thông tin trên ảnh, video dựa trên nội dung,… Hiện nay, bài toán nhận dạng khuôn mặt gặp nhiều thách thức, ví dụ như hệ thống camera công cộng, chụp hình vui chơi thì ảnh mặt nhận được có thể bị che khuất một phần, ảnh chụp không chính diện hay chất lượng ảnh không tốt. Các yếu tố này ảnh hưởng không nhỏ đến các thuật toán nhận dạng khuôn mặt. Có nhiều thuật toán khắc phục điều này, họ sử dụng một số kỹ thuật như xác định nhiều điểm chính trên khuôn mặt, lấy những chi tiết nhỏ hay sử dụng các phương pháp học sâu. Ojala và cộng sự [1] đã phát triển phương pháp Local Binary Patterns (LBP), nó là một mô tả kết cấu có thể được sử dụng để biểu diễn các khuôn mặt, vì một hình ảnh khuôn mặt có thể được xem như là một thành phần của các mô hình văn bản vi mô. Tóm lại, quy trình này bao gồm việc chia hình ảnh khuôn mặt thành nhiều vùng trong đó các tính năng LBP được trích xuất và ghép vào một vectơ đặc trưng sẽ được sử dụng làm mô tả khuôn mặt. Một số nghiên cứu nhận dạng khuôn mặt khác cũng được quan tâm như SIFT của David G. Lowe [2]. Thuật toán Bag-of-visual-words của Yang và cộng sự (2007) [3] được đề xuất hiệu quả trong nhận dạng khuôn mặt. Bên cạnh đó, nhiều phương pháp nhận dạng khuôn mặt áp dụng kỹ thuật học sâu được đề xuất. Các phương pháp học sâu, chẳng hạn như mạng nơron tích chập, sử dụng nhiều tầng tích chập để trích xuất đặc trưng và nhận dạng. Năm 2014, DeepFace [14], DeepID [15], FaceNet [15] đã đạt được một bước đột phá về hiệu suất hiện đại và trọng tâm nghiên cứu đã chuyển sang các phương pháp tiếp cận dựa trên học tập sâu. Các phương pháp này đạt được cải thiện độ chính xá cao từ khoảng 90% đến trên 99%. Tuy nhiên, các phương pháp này phụ thuộc nhiều vào số lượng, chất lượng, khoảng cách chụp lấy mẫu và tính đa dạng về trạng thái biểu cảm của khuôn mặt đối với tập ảnh huấn luyện. Đặc biệt, các phương pháp ứng dụng kỹ thuật học sâu đòi hỏi tập dữ liệu huấn luyện phải đủ lớn và đa dạng các trạng thái biểu cảm khuôn mặt. Các yếu tố này ảnh hưởng đến độ chính xác của nhận dạng. Để cải tiến chất lượng nhận dạng khuôn mặt, bài báo cáo này trình bày các thuật toán nhận dạng khuôn mặt sử dụng kỹ thuật học sâu không giám sát GAN (Generative Adversarial Networks) với hai biến thể là CGAN (Conditional Generative Adversarial Networks) và SRGAN (Super Resolution Generative Adversarial Networks) nhằm tăng tính đa dạng các trạng thái biểu cảm khuôn mặt, làm dày và tăng chất lượng tập ảnh đầu vào. Chúng tôi thực nghiệm trên các tập dữ liệu khuôn mặt CASIA-WebFace, Asian, LFW, VN-Celeb, Pin-faces, FEI Face để so sánh, đánh giá độ chính xác nhận dạng khuôn mặt. Trong những năm gần đây, cùng với sự bùng nổ của cuộc cách mạng công nghiệp 4.0, các thuật ngữ như trí tuệ nhân tạo (AI), học máy (machine learning) và học sâu (deep learning) đang dần trở nên phổ biến. Kỹ thuật Deep Learning [8] đang được ứng dụng trong nhiều lĩnh vực giao thông, kinh tế, y học, an ninh, hệ thống chấm công, ô tô tự lái, robot phẫu thuật, hệ thống dịch tự động, chatbot tự động trả lời,...

Tạp chí Khoa học Đo đạc và Bản đồ, 2017

Mô hình số độ cao (DEM) là dữ liệu cần thiết cho các ứng dụng về nghiên cứu bề mặt trái đất, tài nguyên thiên nhiên và môi trường. Trên thực tế, có hai cách chính để thành lập DEM là: (1) Phương pháp đo đạc truyền thống trong đó sử dụng các loại máy móc trắc địa để đo đạc trực tiếp bề mặt trái đất, và (2) Phương pháp viễn thám, trong đó việc thu nhận dữ liệu DEM được thực hiện bằng các thiết bị đặt trên các thiết bị bay hoặc vệ tinh. Thực tế thấy rằng phương pháp đo đạc truyền thống thường cho ra sản phẩm DEM có độ chính xác cao (từ 2cm-1m) nhưng chi phí sản xuất cao và năng suất thấp. Ngược lại, phương pháp viễn thám, đặc biệt là sử dụng các dữ liệu vệ tinh có giá thành thấp, năng suất cao, nhưng sản phẩm có độ chính xác thấp (từ 5m-30m). Từ vấn đề trên, chúng tôi đề xuất hướng nghiên cứu nhằm nâng cao hiệu quả thành lập DEM bằng phương pháp tích hợp dữ liệu DEM vệ tinh và mặt đất thông qua phép lọc Kalman và phép làm trơn Rauch-Tung-Striebel.

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN 2015, 2016

Remote sensing image clustering is the issue that is interested by remote sensing researchers. Remote sensing image can have multi bands and high resolution. There are multi algorimths as K-Means, C-Means, Watersed, ... Wherein, KMeans is used popu commonly to segment remote sensing images. However, when clustering large size remote sensing images, the converging speed of the algorimth is still slow. This paper present a technique which combines the algorimth K-Means and Wavelet technique for initializing centers effectively to speed up clustering of remote sensing images.

Journal of Computer Science and Cybernetics, 2012

Digital watermarking techniques have being studied according to two trends: approaching to the image space domain and the image frequency domain. In the second trend, the Discrete Cosine Transform (DCT) and Discrete Wavelet Transform (DWT) are used popularly. Almost the watermarking techniques using the DCT have an idea to embed the watermark in the middle frequency domain of the DCT. In this paper, we present a new method of selecting coefficients of the middle frequency domain of the DCT in the watermarking technique using the DCT for the watermarking system. Due to this method, the image quality is significantly improved after embedding the watermark. Tóm tȃt. Các kỹ thuâ. t thu ' y vân trên a ' nh số dã và dang du. o. . c nghiên cú. u theo hai xu hu .ó. ng chính là tiếp câ. n lên miề n không gian a 'nh và tiếp câ. n lên miề n tầ n số cu 'a a 'nh. Trong xu hu .ó. ng thú. hai, các phép biến dô ' i cosin rò. i ra. c (DCT-Discrete Cosine Transform) và biến dô ' i sóng nho ' rò. i ra. c (DWT-Discrete Wavelet Transform) du. o. . c su. ' du. ng phô ' biến. Hầ u hết các kỹ thuâ. t thu 'y vân su. ' du. ng phép biến dô ' i Cosin rò. i ra. c dề u cóý tu. o. ' ng nhúng thu 'y vân vào miề n tầ n số giũ. a cu 'a khối DCT. Trong bài báo này, chúng tôi dề xuất mô. t phu. o. ng pháp mó. i lu. . a cho. n các hê. số thuô. c miề n tầ n số giũ. a cu 'a các khối DCT. Vó. i phu. o. ng pháp này, chất lu. o. . ng cu 'a a 'nh sau khi nhúng thu ' y vân dã du. o. . c ca 'i thiê. n dáng kê ' , dồng thò. i vẫn giũ. nguyên du. o. . c tính bề n vũ. ng cu 'a thu ' y vân tru .ó. c các tấn công lên a ' nh chú. a.

1987

This paper analyzes quantitatively link-by-link and end-to-end error control schemes in computer communicationnetworks. Two measures used for performance evaluations are mean packet delay time and throughput of the networks. With two specific examples, performance comparisons are made for two cases: traditional computer networks (low-speed) and high-speed (gigabit/sec) computer networks. The results is that: link-by-link error control scheme is superior than end-to-end error control schemes for low-speed computernetworks, by contrast, for high-speed computer networks end-to-end scheme is superior than linkby-linkscheme. T6m t,{t. Bai bao nay ph an tich mqt each dinh tinh cac kg hoach kie'm soat l6i link-by-link va end-by-end trongmang truyen thOng may tinh. Hai tieu chu1rn dtro'c dung cho Slf so sanh Ia. thai gian tr~cila g6i tin vathOnghrong cda mang. V&i hai vi du d~c trimg, vi~c so sanh hi~u sua:t cda cac kg hoach dtro'c thu'c hi~n chohai trtrong h91>: mang truyen thOng may tinh to'c dq tha:p va mang truyen thOng may tinh to'c dq cao, Kgtqua la: kg hoach kie'm soat l5i link-by-link tO't h011kg hoach end-by-end dili vo; cac m<).ngtilc dq tha:p, ngiroclai, dili vo; cac mang tilc dq cao thl ki1hoach end-by-end l<).i tilt h011so VO; kg hoach link-by-link.

FAIR KỶ YẾU HỘI NGHỊ KHOA HỌC CÔNG NGHỆ QUỐC GIA LẦN THỨ XV - Nghiên cứu cơ bản và Ứng dụng công nghệ thông tin - Proceedings of the 15th National Conference on Fundamental and Applied Information Technology Research (FAIR’2022)

Cải thiện hình ảnh là một chủ đề rất quan trọng trong xử lý hình ảnh và đã đạt được nhiều thành tựu đáng kể. Tuy nhiên, việc tăng cường ảnh tối vẫn là vấn đề khó khăn, cần tiếp tục nghiên cứu... Bài báo này giới thiệu một thuật toán mới về tăng cường hình ảnh tối có tên The image enhancement based on the dark object enhancement (IEDOE). Thuật toán này kết hợp một toán tử để tăng cường các đối tượng tối và thuật toán phân cụm mờ để thực hiện việc tăng cường ảnh tối. Kết quả thực nghiệm cho thấy thuật toán được đề xuất tốt hơn một số phương pháp gần đây.

Vietnam Journal of Hydrometeorology

TNU Journal of Science and Technology

Trong hệ thống du lịch thông minh, lập lộ trình tự động là một trong những chức năng phức tạp nhưng rất quan trọng và cần thiết cho du khách trước và trong hành trình thăm quan của mình. Chức năng này không chỉ yêu cầu tạo ra phương án lộ trình phù hợp với điều kiện của du khách một cách nhanh chóng, mà còn phải tối ưu về thời gian thăm quan và hiệu quả kinh tế. Trong bài báo này, chúng tôi trình bày một thuật toán lập lộ trình tự động mới dựa trên ý tưởng của bài toán lập lịch TSP (Traveling Salesman Problem) và bổ sung tham số về thời gian du lịch hợp lý, được gọi là TPA (Travel Planning Algorithm). Thuật toán TPA được cài đặt trong hệ thống du lịch thông minh đa nền tảng của tỉnh Thái Nguyên. Dựa vào điểm du lịch được gợi ý trong quá trình lựa chọn điểm thăm quan của du khách, thuật toán TPA hoạt động ổn định và lập được lộ trình du lịch tốt hơn so với chức năng lập lộ trình trong hệ thống du lịch thông minh của TripHunter và Tập đoàn bưu chính viễn thông Việt Nam (VNPT).

Journal of Computer Science and Cybernetics, 2012

Scientific Journal of Tra Vinh University, 2018

Appearance-based recognition methods often encounter difficulties when the input images contain facial expression variations such as laughing, crying or wide mouth opening. In these cases, holistic methods give better performance than appearance-based methods. This paper presents some evaluation on face recognition under variation of facial expression using the combination of PCA and classification algorithms. The experimental results showed that the best accuracy can be obtained with very few eigenvectors and KNN algorithm (with k=1) performs better than SVM in most test cases.