Số phát hành: Số 3 - Tháng 2 - 2022Khoa học - Kỹ thuật
Nghiên cứu ứng dụng học sâu vào phân loại rác thải
Xuất bản: tháng 7 30, 2026
Tóm tắt
Bài báo đưa ra một thí nghiệm về một mô hình mạng nơ ron tích chập hiệu chỉnh (Convolution Neural Network, CNN) giúp phân loại rác thành 3 nhóm khác nhau là chai nhựa, lon, và thủy tinh bằng việc sử dụng lên tới 900 hình ảnh thu thập bằng tay, được chia ra thành 500 hình ảnh dùng cho việc phân tích và 400 hình ảnh dùng cho việc đánh giá kết quả. Mô hình cho kết quả tuyến tính giữa số lượng dữ liệu huấn luyện với độ chính xác trung bình (mean Average Precision, mAP) khi kiểm tra mô hình xuất ra. Từ đây, nghiên cứu thực hiện một thí nghiệm khác để đảm bảo hiệu quả của mô hình đã huấn luyện đạt được các yêu cầu đề ra, AI401 với 80% độ chính xác tổng quan.
Từ khóa
rác thảimạng nơ ron tích chập hiệu chỉnhmô hình học sâumã nguồn mởTensorflow Object Detection API
Tài liệu tham khảo
1.
VMENR (Vietnam Ministry of Environment and Natural Resources). (2014). Canadian International Development Agency, Vietnam Environment Monitor: Solid Waste, Vietnam.
2.
DONRE (Department of Natural Resource and Management)-Ho Chi Minh City. (2014). The report on overview of the SWM system of HCMC, Vietnam.
3.
Jiahui Yu, Yuning Jiang, Zhangyang Wang, Zhimin Cao, and Thomas Huang. Unitbox,. (2016). An advanced object detection network, In Proceedings of the 24th ACM international conference on Multimedia, ACM, pp. 516-520.
4.
Shi, Lin; Zhong, Hao; Xie, Tao; Li, Mingshu. (2011). An Empirical Study on Evolution of API Documentation, International Conference on Fundamental Approaches to Software Engineering, Lecture Notes in Computer Science, ISBN 978-3-642-19810-6. Retrieved 22 July.
