Welcome to NTTU Digital Library
Please use the box below to search information in the System
Communities in Dspace
Select a community to browse its collections
Bachelor Theses
Book Publication
Conference Papers
Journal of Science and Technology - NTTU
Master Theses
Research Outputs
Student's Reports
Recent Submissions
Tài liệu
Xây dựng hệ thống AI điểm danh khuôn mặt và quản lý điểm danh bằng mô hình CNNS : Khóa luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Phạm, Thị Ngọc Huyền
Trình bày quá trình xây dựng hệ thống, từ giai đoạn thu thập dữ liệu, huấn luyện mô hình nhận diện khuôn mặt dựa trên hai kiến trúc CNNs phổ biến là VGG16 và ResNet18, cho đến việc triển khai hệ thống điểm danh hoàn chỉnh với giao diện thân thiện. Việc lựa chọn mô hình Mạng neuron tích chập (Convolutional Neural Networks – CNNs) để triển khai hệ thống điểm danh khuôn mặt không chỉ xuất phát từ sự phù hợp của mô hình CNN trong các bài toán xử lý hình ảnh, mà còn bởi khả năng học các đặc trưng một cách vượt trội, giúp hệ thống đạt được độ chính xác cao ngay cả khi dữ liệu đầu vào phức tạp, như khuôn mặt ở nhiều góc nhìn, ánh sáng và biểu cảm khác nhau. Đề tài không chỉ giúp giải quyết vấn đề điểm danh trong lớp học mà còn là bước thử nghiệm cho việc ứng dụng các công nghệ AI vào quản lý giáo dục một cách hiệu quả và hiện đại.
Tài liệu
Xây dựng hệ thống AI điểm danh khuôn mặt và quản lý điểm danh bằng mô hình CNNS : Khóa luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Phạm, Thị Ngọc Huyền
Trình bày quá trình xây dựng hệ thống, từ giai đoạn thu thập dữ liệu, huấn luyện mô hình nhận diện khuôn mặt dựa trên hai kiến trúc CNNs phổ biến là VGG16 và ResNet18, cho đến việc triển khai hệ thống điểm danh hoàn chỉnh với giao diện thân thiện. Việc lựa chọn mô hình Mạng neuron tích chập (Convolutional Neural Networks – CNNs) để triển khai hệ thống điểm danh khuôn mặt không chỉ xuất phát từ sự phù hợp của mô hình CNN trong các bài toán xử lý hình ảnh, mà còn bởi khả năng học các đặc trưng một cách vượt trội, giúp hệ thống đạt được độ chính xác cao ngay cả khi dữ liệu đầu vào phức tạp, như khuôn mặt ở nhiều góc nhìn, ánh sáng và biểu cảm khác nhau. Đề tài không chỉ giúp giải quyết vấn đề điểm danh trong lớp học mà còn là bước thử nghiệm cho việc ứng dụng các công nghệ AI vào quản lý giáo dục một cách hiệu quả và hiện đại.
Tài liệu
Nhận diện đồ bảo hộ tại công trình sử dụng mô hình YOLOV8 : Khóa luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Đỗ, Tấn Phát
Nghiên cứu và ứng dụng mô hình YOLOv8 vào việc xây dựng hệ thống giám sát tự động nhằm phát hiện các vi phạm an toàn lao động tại các công trình xây dựng. Hệ thống này sẽ hỗ trợ việc giám sát, nhận diện kịp thời các hành vi vi phạm, góp phần nâng cao hiệu quả quản lý an toàn tại công trường. Nghiên cứu thực hiện các thử nghiệm thực tế để kiểm tra tính hiệu quả và độ ổn định của hệ thống. Đồng thời, xem xét khả năng mở rộng và ứng dụng của hệ thống giám sát an toàn
Tài liệu
Xây dựng mô hình phân loại nội dung văn bản tiếng Việt sử dụng Native Bayes : Khóa luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Nguyễn, Văn Giang
Nghiên cứu và phát triển một hệ thống tự động phân loại và dán nhãn bài viết một cách cách hiệu quả, dựa trên nội dung văn bản. Thông qua việc áp dụng thuật toán Native Bayes - một trong những phương pháp học máy phổ biến. Nghiên cứu nhằm hướng tới việc hỗ trợ người làm nội dung tiết kiệm thời gian, nâng cao độ chính xác trong phân loại, từ đó tối ưu hóa quy trình xuất bản và quản lý thông tin. Nghiên cứu tập trung vào các loại văn bản sử dụng ngôn ngữ tiếng Việt, bao gồm nhưng không giới hạn các lĩnh vực : kinh tế, xã hội, giáo dục, thể thao, giải trí, công nghệ, và nhiều lĩnh vực khác.
Tài liệu
Xây dựng hệ thống hỏi đáp trích xuất từ văn bản : Khóa luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Nguyễn, Hoàng Đức
Xây dựng một hệ thống hỏi đáp (Question Answering - QA) tự động, cho phép người dùng nhập câu hỏi và nhận được câu trả lời trực tiếp từ nội dung của các tài liệu văn bản. Nghiên cứu các kỹ thuật trích xuất thông tin và hỏi đáp,xây dựng cơ sở dữ liệu và công cụ xử lý dữ liệu, xây dựng hệ thống hỏi đáp tự động. Nâng cao hiệu suất trích xuất thông tin, đánh giá hiệu suất và độ chính xác, đảm bảo tính khả dụng và dễ mở rộng. Nâng cao trải nghiệm người dùng: hệ thống trở thành công cụ hữu ích trong việc tiết kiệm thời gian và nâng cao trải nghiệm của người dùng cuối. Hệ thống được thiết kế để trích xuất thông tin chính xác, nhanh chóng và hiệu quả, phục vụ các nhu cầu tra cứu, học tập và nghiên cứu.
Tài liệu
Ứng dụng trí tuệ nhân tạo trong phân loại hình ảnh động vât sử dụng mạng nơ - ron tích chập : Khóa luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Cao, Thành Đạt
Phát triển một mô hình học sâu sử dụng mạng nơ-ron tích chập để phân loại các loại động vật từ hình ảnh. Mạng nơ ron tích chập (CNN) có khả năng tự động trích xuất đặc trưng từ hình ảnh, giúp cải thiện độ chính xác trong việc phân loại và nhận diện động vật. Khả năng xử lý hình ảnh 2D một cách hiệu quả, giúp nhận diện các đặc điểm phức tạp của động vật. Phân loại và nhận diện hình ảnh động vật có thể được áp dụng trong nhiều lĩnh vực như bảo tồn động vật, nông nghiệp thông minh, và nghiên cứu sinh thái. Hỗ trợ trong việc theo dõi và quản lý các loài động vật hoang dã, từ đó bảo vệ môi trường. Mạng nơ ron tích chập có khả năng học từ dữ liệu lớn, giúp cải thiện độ chính xác theo thời gian khi có thêm dữ liệu mới. Đánh giá hiệu suất của mô hình qua các chỉ số như độ chính xác, độ nhạy và độ đặc hiệu. Cung cấp công cụ hỗ trợ trong việc nhận diện và phân loại động vật, có thể ứng dụng trong bảo tồn động vật, nghiên cứu sinh học, và các ứng dụng thương mại như nhận diện động vật trong ảnh.