Hỗ Trợ Đồ Án – Sàn thương mại bán code kiếm tiền số 1 Việt Nam

Hỗ Trợ Đồ Án

PHÁT TRIỂN MỘT SỐ KỸ THUẬT PHÁT HIỆN DỊ THƯỜNG TRÊN ẢNH VIỄN THÁM QUANG HỌC PHỤC VỤ CÔNG TÁC TÌM KIẾM CỨU NẠN

Gửi thông báo lỗi Báo cáo vi phạm bản quyền

[PE2024194] PHÁT TRIỂN MỘT SỐ KỸ THUẬT PHÁT HIỆN DỊ THƯỜNG TRÊN ẢNH VIỄN THÁM QUANG HỌC PHỤC VỤ CÔNG TÁC TÌM KIẾM CỨU NẠN

Upload bởi:

DevNet27

(0 Đánh giá)

30,000đ

Nội dung nghiên cứu - Đề xuất thuật toán tăng độ chính xác phát hiện các điểm ảnh dị thường của thuật toán KDE bằng cách giảm tỷ lệ dương tính giả (gọi tắt là thuật toán IKDE). - Đề xuất thuật toán tăng tốc độ tính toán của thuật toán IKDE bằng cách sử dụng kỹ thuật nhóm điểm ảnh, sắp xếp điểm ảnh, áp dụng cây kd-tree và tính toán hàm mật độ xác suất đa luồng trên CPU hoặc song song trên GPU. ˆ Cài đặt, thực nghiệm nhằm kiểm chứng tính đúng đắn của các thuật toán đã đề xuất.

Danh mục Đồ Án - Luận Văn

Loại Tài liệu

Ngày tải lên 20/06/2024

File download [hotrodoan.vn]_luan_an_phat_trien_mot_so_ky_thuat_phat_hien_di_thuong_tren_.pdf

Lưu bài

Chức năng đầy đủ và giống demo 100%
Hỗ trợ lắp đặt nếu cần
Hỗ trợ trả lời người mua sau khi tải

Nguyễn Hữu Phúc Thịnh

(Hạng kim cương)

Xem trang

Bài đăng
151

Đánh giá (4)
5/5

Ngày tham gia
19/06/2024

Kết quả :

Những đóng góp mới của đề tài luận án:

(1) Đề xuất kỹ thuật giảm tỷ lệ dương tính giả (làm tăng độ chính xác phát hiện) của thuật toán phát hiện dị thường dựa trên ước lượng mật độ nhân [120, 121] bằng cách khử bớt nhiễu trên ảnh gốc và xác định các khu vực giới hạn tính toán của Thuật toán KDE. Kết quả thử nghiệm cho thấy: Thuật toán IKDE tăng 0,58% về độ chính xác phát hiện dị thường so với Thuật toán KDE. Ngoài tăng về độ chính xác phát hiện dị thường, Thuật toán IKDE đã giảm được 29,15% tổng thời gian tính toán so với Thuật toán KDE. Giải pháp đề xuất cho thấy hiệu quả trong trường hợp ảnh đầu vào có nhiễu tăng cao, thuật toán đề xuất chỉ giảm 0,71% so với ảnh gốc, ngược lại, Thuật toán KDE bị giảm tới 4,17% độ chính xác phát hiện dị thường so với khi thực thi trên ảnh gốc. Như vậy, khả năng kháng nhiễu của kỹ thuật đề xuất tốt hơn so với thuật toán gốc.

(2) Đề xuất kỹ thuật tăng tốc độ tính toán của Thuật toán IKDE bằng cách nhóm các điểm ảnh có giá trị giống nhau làm giảm kích thước dữ liệu cần tính toán, sắp xếp nhóm các điểm ảnh để tiện lợi cho quá trình tìm kiếm, áp dụng cây kd-tree để tìm kiếm nhanh các điểm ảnh, nhóm điểm 133 ảnh thỏa mãn hàm nhân; tính toán PDF đa luồng hoặc song song trên GPU. Từ kết quả thử nghiệm cho thấy kỹ thuật đề xuất mang lại hiệu quả cao về thời gian tính toán, đặc biệt trên ảnh màu RGB, thời gian tính toán đã giảm tới hơn 99% so với các thuật toán như Thuật toán KDE, thuật toán Intel TBB, GPU CUDA. Trên ảnh đa phổ 8 kênh phổ và ảnh siêu phổ 224 kênh phổ, thuật toán GP-PC2 đã giảm được ít nhất 82,21% so với thuật toán GPU CUDA do Michailidis và các cộng sự đề xuất năm 2013 [87]. Độ chính xác phát hiện các điểm ảnh dị thường vẫn được giữ nguyên so với Thuật toán KDE.

Kiến nghị về hướng nghiên cứu tiếp theo: Trong tương lai, xử lý ảnh đa phổ, siêu phổ để phát hiện dị thường trong các ứng dụng viễn thám vẫn là một lĩnh vực nghiên cứu đặc biệt, xứng đáng được đông đảo cộng đồng các nhà khoa học trên thế giới quan tâm. Bởi vì dữ liệu ảnh viễn thám quang học, đặc biệt là ảnh siêu phổ mang nhiều thông tin có giá trị có thể hữu ích trong nhiều ứng dụng khác nhau.

Hướng nghiên cứu

Mặc dù luận án đã tập trung nghiên cứu lý thuyết cũng như đề xuất các kỹ thuật tăng độ chính xác phát hiện dị thường và tăng tốc độ tính toán nhằm giải quyết các thách thức. Tuy nhiên, còn một số vấn đề cần tiếp tục được nghiên cứu:

(1) Do tính chất của các điểm ảnh "dị thường" là thưa thớt và hiếm khi đại diện cho ảnh, dẫn đến tình trạng mất cân bằng nghiêm trọng về số lượng giữa lớp "dị thường" và lớp "bình thường" trên ảnh. Sử dụng độ đo phù hợp để đánh giá độ chính xác phát hiện các điểm ảnh dị thường của các thuật toán như luận án đã sử dụng là một hướng tiếp cận [53], tuy nhiên, hướng tiếp cận này không giải quyết được gốc của vấn đề là dữ liệu bị mất cân bằng thực sự. Giải quyết được vấn đề mất cân bằng dữ liệu có thể làm tăng độ chính xác phát hiện các điểm ảnh dị thường của các thuật toán, bằng cách: thu thập thêm dữ liệu (Collect More Data); lấy lại mẫu trong tập dữ liệu (Resampling), gồm Over sampling (làm gia tăng mẫu của lớp "dị thường") và Under sampling (làm giảm số lượng quan sát của lớp "bình thường"); tạo mẫu tổng hợp (Generate Synthetic Samples); ... Ngoài ra, có thể sử dụng phương pháp phạt mô hình (Penalized Models), có nghĩa rằng: việc dự báo sai một quan sát 134 thuộc mẫu "bình thường" sẽ ít nghiêm trọng hơn so với dự báo sai một quan sát thuộc mẫu "dị thường", do đó, sẽ phạt nặng hơn đối với sai số dự báo thuộc nhóm "dị thường" bằng cách gán cho nó một trọng số lớn hơn trong công thức của hàm loss function.

(2) Xem xét một điểm ảnh bất kỳ trong ảnh cho thấy: điểm ảnh này ít nhiều đều có mối quan hệ với những điểm ảnh xung quanh nó. Do đó, nghiên cứu, phân tích mối quan hệ ràng buộc dữ liệu, mối tương quan về mặt không gian của các điểm ảnh có thể làm tăng độ chính xác phát hiện dị thường của các thuật toán.

(3) Trong thuật toán IKDE, việc lựa chọn một vùng cửa sổ cố định W có thể lãng phí thời gian tính toán (nếu dị thường có kích thước nhỏ) hoặc không phát hiện hết điểm dị thường (nếu dị thường có kích thước lớn). Quan sát Hình 2.6 có thể thấy: giá trị DoG của các điểm ảnh dị thường cao hơn (hoặc thấp hơn) những điểm ảnh xung quanh không phải là dị thường. Do đó, có thể sử dụng giá trị này để tìm kích thước cửa sổ W thích nghi cho PUT, tránh lãng phí thời gian tính toán.

(4) Phát hiện cụm điểm ảnh dị thường cần kết hợp các đặc trưng hình dạng, kích thước trên cùng một kỹ thuật phát hiện các điểm ảnh dị thường.

(5) Xây dựng bộ dữ liệu đặc trưng đầy đủ, phong phú sẽ cải thiện đáng kể việc nghiên cứu trong lĩnh vực này, cho phép so sánh tốt hơn giữa các phương pháp theo các kịch bản khác nhau.

(6) Phát hiện các điểm ảnh dị thường theo thời gian thực có thể được thực hiện bằng cách xử lý dữ liệu trực tuyến hoặc cung cấp kết quả phát hiện trong thời gian thực. Những vấn đề này vẫn còn bỏ ngỏ và đã thu hút sự chú ý của cộng đồng khoa học, thể hiện trong các công trình nghiên cứu gần đây đã tập trung vào các kỹ thuật dựa trên biểu diễn và triển khai các phương pháp tiếp cận dựa trên mạng nơ-ron [54, 124].

ĐIỂM TRUNG BÌNH