ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ

LÊ THỊ THU HẰNG

NGHIÊN CỨU VỀ MẠNG NEURAL TÍCH
CHẬP VÀ ỨNG DỤNG CHO BÀI TOÁN
NHẬN DẠNG BIỂN SỐ XE

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

HÀ NỘI, 2016


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ

LÊ THỊ THU HẰNG

NGHIÊN CỨU VỀ MẠNG NEURAL TÍCH
CHẬP VÀ ỨNG DỤNG CHO BÀI TOÁN
NHẬN DẠNG BIỂN SỐ XE
Ngành

: Công nghệ thông tin

Chuyên ngành

: Kĩ thuật phần mềm

Mã số

2. Mạng neural tích chập......................................................................... 21
2.1. Định nghĩa mạng neural tích chập ..................................................... 21
2.2. Convolution (tích chập) ..................................................................... 22
2.3. Mô hình mạng neural tích chập ......................................................... 24
2.4. Xây dựng mạng neural tích chập ....................................................... 26
CHƢƠNG 2: TỔNG QUAN VỀ NHẬN DẠNG BIỂN SỐ XE................. 39
2.1 Khái niệm về hệ thống nhận dạng biển số xe. ....................................... 39
2.1.1 Khái niệm ......................................................................................... 39
2.1.2 Lịch sử và phát triển. ....................................................................... 39
2.1.3. Cách thức hoạt động của hệ thống nhận dạng biển số xe. .............. 40
2.1.4. Phân loại các ứng dụng nhận dạng biển số xe. ............................... 40
2.1.5. Ứng dụng thực tiễn tại Việt Nam.................................................... 41
2.1.6. Phân loại biển số xe. ....................................................................... 42
2.2. Phƣơng pháp nhận dạng biển số xe từ ảnh chụp của camera. .............. 44
2.2.1. Phƣơng pháp chuyển đổi Hough..................................................... 44
2.2.2. Phƣơng pháp hình thái học. ............................................................ 45
2.3. Phƣơng pháp nhận dạng ký tự trong biển số xe.................................... 46
2.4. Phạm vi nghiên cứu và hƣớng giải quyết. ............................................ 47


CHƢƠNG 3: ÁP DỤNG MẠNG NEURAL TÍCH CHẬP TRONG NHẬN
DẠNG KÝ TỰ ............................................................................................... 49
3.1. Xây dựng mô hình mạng ....................................................................... 49
3.2. Kết quả nhận dạng ký tự viết tay .......................................................... 52
3.3. Kết quả thực nghiệm nhận dạng biển số xe với mạng Neural tích chập54
3.4. Kết luận ................................................................................................. 55
3.5. Hƣớng phát triển của bài toán: .............................................................. 56
DANH MỤC TÀI LIỆU THAM KHẢO ..................................................... 58



Em xin tỏ lòng biết ơn sâu sắc đến thầy Ts Nguyễn Văn Vinh, ngƣời đã tận
tình giúp đỡ và truyền đạt nhiều kinh nghiệm để đề tài có thể đƣợc thực hiện và
hoàn thành.
Xin chân thành cảm ơn các bạn trong khoa Công Nghệ Thông Tin, Trƣờng
ĐH Công nghệ đã giúp đỡ, động viên tôi rất nhiều trong quá trình thực hiện đề
tài.
Em xin chân thành cảm ơn !

Hà nội, tháng 5 năm 2016
Học viên

Lê Thị Thu Hằng


CHƢƠNG 1: MẠNG NEURAL VÀ MẠNG NEURAL TÍCH
CHẬP
1.

Mạng neural và mạng neural lan truyền ngƣợc

1.1. Giới thiệu về mạng Neural
Định nghĩa: Mạng nơron nhân tạo, Artificial Neural Network (ANN) là
một mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ
nơron sinh học. Nó đƣợc tạo nên từ một số lƣợng lớn các phần tử (nơron) kết nối
với nhau thông qua các liên kết (trọng số liên kết) làm việc nhƣ một thể thống
nhất để giải quyết một vấn đề cụ thể nào đó. Một mạng nơron nhân tạo đƣợc cấu
hình cho một ứng dụng cụ thể (nhận dạng mẫu, phân loại dữ liệu,...) thông qua
một quá trình học từ tập các mẫu huấn luyện. Về bản chất học chính là quá trình
hiệu chỉnh trọng số liên kết giữa các nơron.
Cấu trúc neural nhân tạo:

Bảng 1.1. Một số hàm truyền thông dụng


Hàm truyền

Đồ thị

Định nghĩa

Symmetrical Hard Limit
(hardlims)

Linear (purelin)

Saturating Linear (satlin)

Log-Sigmoid (logsig)

1.2. Một số kiểu mạng Neural
Cách thức kết nối các nơron trong mạng xác định kiến trúc (topology) của
mạng. Các nơron trong mạng có thể kết nối đầy đủ (fully connected) tức là mỗi
nơron đều đƣợc kết nối với tất cả các nơron khác, hoặc kết nối cục bộ (partially
connected) chẳng hạn chỉ kết nối giữa các nơron trong các tầng khác nhau. Ngƣời
ta chia ra hai loại kiến trúc mạng chính:
♦ Tự kết hợp (autoassociative): là mạng có các nơron đầu vào cũng là các nơron
đầu ra. Mạng Hopfield là một kiểu mạng tự kết hợp.


Hình 1.2. Mạng tự kết hợp




Kiến trúc của một mạng MLP tổng quát có thể mô tả nhƣ sau:
♦ Đầu vào là các vector (x1, x2, ..., xp) trong không gian p chiều, đầu ra là
các vector (y1, y2, ..., yq) trong không gian q chiều. Đối với các bài toán phân
loại, p chính là kích thƣớc của mẫu đầu vào, q chính là số lớp cần phân loại. Xét
ví dụ trong bài toán nhận dạng chữ số: với mỗi mẫu ta lƣu tọa độ (x,y) của 8 điểm
trên chữ số đó, và nhiệm vụ của mạng là phân loại các mẫu này vào một trong 10
lớp tƣơng ứng với 10 chữ số 0, 1, …, 9. Khi đó p là kích thƣớc mẫu và bằng 8 x 2
= 16; q là số lớp và bằng 10.
♦ Mỗi nơron thuộc tầng sau liên kết với tất cả các nơron thuộc tầng liền
trƣớc nó.
♦ Đầu ra của nơron tầng trƣớc là đầu vào của nơron thuộc tầng liền sau nó.
Hoạt động của mạng MLP nhƣ sau: tại tầng đầu vào các nơron nhận tín
hiệu vào xử lý (tính tổng trọng số, gửi tới hàm truyền) rồi cho ra kết quả (là kết
quả của hàm truyền); kết quả này sẽ đƣợc truyền tới các nơron thuộc tầng ẩn thứ
nhất; các nơron tại đây tiếp nhận nhƣ là tín hiệu đầu vào, xử lý và gửi kết quả đến
tầng ẩn thứ 2;…; quá trình tiếp tục cho đến khi các nơron thuộc tầng ra cho kết
quả.
Một số kết quả đã đƣợc chứng minh:
♦ Bất kì một hàm Boolean nào cũng có thể biểu diễn đƣợc bởi một mạng
MLP 2 tầng trong đó các nơron sử dụng hàm truyền sigmoid.


♦ Tất cả các hàm liên tục đều có thể xấp xỉ bởi một mạng MLP 2 tầng sử
dụng hàm truyền sigmoid cho các nơron tầng ẩn và hàm truyền tuyến tính cho các
nơron tầng ra với sai số nhỏ tùy ý.
♦ Mọi hàm bất kỳ đều có thể xấp xỉ bởi một mạng MLP 3 tầng sử dụng
hàm truyền sigmoid cho các nơron tầng ẩn và hàm truyền tuyến tính cho các
nơron tầng ra.

Nhƣ vậy với học không giám sát, số lớp phân loại chƣa đƣợc biết trƣớc, và
tùy theo tiêu chuẩn đánh giá độ tương tự giữa các mẫu mà ta có thể có các lớp
phân loại khác nhau.
♦ Học tăng cƣờng: đôi khi còn đƣợc gọi là học thƣởng-phạt (rewardpenalty learning), là sự tổ hợp của cả hai mô hình trên. Phƣơng pháp này cụ thể
nhƣ sau: với vector đầu vào, quan sát vector đầu ra do mạng tính đƣợc. Nếu kết
quả đƣợc xem là “tốt” thì mạng sẽ đƣợc thƣởng theo nghĩa tăng các trọng số kết
nối lên; ngƣợc lại mạng sẽ bị phạt, các trọng số kết nối không thích hợp sẽ đƣợc
giảm xuống. Do đó học tăng cƣờng là học theo nhà phê bình (critic), ngƣợc với
học có giám sát là học theo thầy giáo (teacher).
c. Học có giám sát trong các mạng nơron
Học có giám sát có thể đƣợc xem nhƣ việc xấp xỉ một ánh xạ: X→ Y, trong
đó X là tập các vấn đề và Y là tập các lời giải tƣơng ứng cho vấn đề đó. Các mẫu
(x, y) với x = (x1, x2, . . ., xn) ∈ X, y = (yl, y2, . . ., ym) ∈ Y đƣợc cho trƣớc. Học có
giám sát trong các mạng nơron thƣờng đƣợc thực hiện theo các bƣớc sau:
♦ B1: Xây dựng cấu trúc thích hợp cho mạng nơron, chẳng hạn có (n + 1)
nơron vào (n nơron cho biến vào và 1 nơron cho ngƣỡng x0), m nơron đầu ra, và
khởi tạo các trọng số liên kết của mạng.
♦ B2: Đƣa một vector x trong tập mẫu huấn luyện X vào mạng
♦ B3: Tính vector đầu ra o của mạng
♦ B4: So sánh vector đầu ra mong muốn y (là kết quả đƣợc cho trong tập
huấn luyện) với vector đầu ra o do mạng tạo ra; nếu có thể thì đánh giá lỗi.
♦ B5: Hiệu chỉnh các trọng số liên kết theo một cách nào đó sao cho ở lần
tiếp theo khi đƣa vector x vào mạng, vector đầu ra o sẽ giống với y hơn.
♦ B6: Nếu cần, lặp lại các bƣớc từ 2 đến 5 cho tới khi mạng đạt tới trạng
thái hội tụ. Việc đánh giá lỗi có thể thực hiện theo nhiều cách, cách dùng nhiều


nhất là sử dụng lỗi tức thời: Err = (o - y), hoặc Err = |o - y|; lỗi trung bình bình
phƣơng (MSE: mean-square error): Err = (o- y)2/2;
Có hai loại lỗi trong đánh giá một mạng nơron. Thứ nhất, gọi là lỗi rõ ràng

n

Mạng có 3 lớp:


- Lớp vào (Input Layer) – số node vào là số thuộc tính của đối tƣợng
cần phân lớp.
- Lớp ra (Output Layer) – Số node ra là số đặc điểm cần hƣớng tới của
đối tƣợng (giá trị ra cần hƣớng đến – học có giám sát).
- Lớp ẩn (Hidden Layer) – Số node ẩn thƣờng là không xác định
trƣớc, nó thƣờng là do kinh nghiệm của ngƣời thiết kế mạng, nếu số
node ẩn quá nhiều mạng sẽ cồng kềnh, quá trình học sẽ chậm, còn
nếu số node ẩn quá ít làm mạng học không chính xác.
Các neural ở các lớp trong thƣờng đƣợc kết nối đầy đủ với tất cả các neural
lớp ngoài, trên mỗi đƣờng kết nối giữa 2 neural ở 2 lớp khác nhau có 1 trọng số
mạng (weight). Các trọng số này đóng vai trò là các giá trị ẩn số mà mạng cần
phải tìm ra (học) sao cho với các giá trị đầu vào, thông qua mạng ta nhận đƣợc
kết quả xấp xỉ với đầu ra mong muốn tƣơng ứng của mẫu học.
2. Hoạt động:
Ta sử dụng một số kí hiệu sau:
 xi: Giá trị đầu vào của neural thứ i
 yk: Giá trị đầu ra của neural thứ k
 Vij: vector trọng số trên đƣờng kết nối từ neural node vào thứ i tới
neural node ẩn thứ j.
 Wjk: vector trọng số trên đƣờng kết nối từ neural node ẩn thứ j tới
neural node ra thứ k.
 dk: Giá trị đầu ra mong muốn của neural nút ra thứ k
 η: tốc độ học (Hệ số học) của mạng.
 f: hàm truyền với: f(x) = 1 / (1 + e-x) - Ở đây chúng ta sử dụng hàm
truyền là hàm Sigmoid, giới hạn giá trị đầu ra trong khoảng [0-1].

mong muốn dk và đầu ra thực tế yk là luôn khác nhau, chúng ta
cần phải tính toán độ sai khác này và có phƣơng pháp điều chỉnh


các trọng số mạng qua từng bƣớc học sao cho qua mỗi lần học sự
sai khác này giảm xuống, quá trình học sẽ dừng khi sự sai khác
này đạt đến 1 ngƣỡng giới hạn phù hợp nào đó.
Bƣớc 3: Đánh giá lỗi học - lỗi trung bình bình phƣơng (MSE: meansquare error):
E = 1/L*sqrt(Σ(dk - yk)2)
Nếu E ≤ ԑ thì dừng học.
Bƣớc 4: Lan truyền ngƣợc điều chỉnh trọng số
 Với mỗi nút q thuộc tầng ra, tính đạo hàm ngƣợc sai số thành
phần δq theo công thức:
δq = (dq – yq)yq(1 – yq)
 Cập nhật các trọng số từ tầng ẩn tới tầng ra Wjk:
Δwpq = ηδqOHp
Wpq(New) =

wpq(Old) + Δwpq

 Với mỗi nút p thuộc tầng ẩn, tính đạo hàm ngƣợc sai số δp
theo công thức:
δp = OHp(1-OHp)Σ(wpk(old).δk), k=1..L
 Cập nhật các trọng số từ tầng vào tới tầng ẩn Vij:
Δvip = ηδpOIi
vip(New) = vip(Old) + Δvip
Lặp lại bƣớc 2 cho tới khi thỏa mãn điều kiện kết thúc ở bƣớc 3. Kết quả thu
đƣợc bộ trọng số chuẩn Vij, Wjk sao cho giá trị đầu ra thực tế và giá trị đầu ra
mong muốn là gần giống nhau nhất (Trung bình bình phƣơng lỗi nhỏ nhất)
e) Một số vấn đề lƣu ý trong xây dựng mạng MLP.


• Ngăn không cho mạng sử dụng các trọng số lớn
• Giới hạn số bƣớc luyện
Khi mạng đƣợc luyện, nó chuyển từ các hàm ánh xạ tƣơng đối đơn giản
đến các hàm ánh xạ tƣơng đối phức tạp. Nó sẽ đạt đƣợc một cấu hình tổng quát
hóa tốt nhất tại một điểm nào đó. Sau điểm đó mạng sẽ học để mô hình hóa nhiễu,
những gì mạng học đƣợc sẽ trở thành quá khớp. Nếu ta phát hiện ra thời điểm
mạng đạt đến trạng thái tốt nhất này, ta có thể ngừng tiến trình luyện trƣớc khi
hiện tƣợng quá khớp xảy ra. Ta biết rằng, chỉ có thể để đánh giá mức độ tổng quát
hóa của mạng bằng cách kiểm tra mạng trên các mẫu nó không đƣợc học. Ta thực
hiện nhƣ sau: chia mẫu thành tập mẫu huấn luyện và tập mẫu kiểm tra. Luyện
mạng với tập mẫu huấn luyện nhƣng định kỳ dừng lại và đánh giá sai số trên tập
mẫu kiểm tra. Khi sai số trên tập mẫu kiểm tra tăng lên thì quá khớp đã bắt đầu và
ta dừng tiến trình luyện.
Chú ý rằng, nếu sai số kiểm tra không hề tăng lên, tức là mạng không có đủ
số nút ẩn để quá khớp. Khi đó mạng sẽ không có đủ số nút cần thiết để thực hiện
tốt nhất. Do vậy nếu hiện tƣợng quá khớp không hề xảy ra thì ta cần bắt đầu lại
nhƣng sử dụng nhiều nút ẩn hơn.
2. Mạng neural tích chập
2.1. Định nghĩa mạng neural tích chập
Những năm gần đây, ta đã chứng kiến đƣợc nhiều thành tựu vƣợt bậc trong
ngành Thị giác máy tính (Computer Vision). Các hệ thống xử lý ảnh lớn nhƣ
Facebook, Google hay Amazon đã đƣa vào sản phẩm của mình những chức năng
thông minh nhƣ nhận diện khuôn mặt ngƣời dùng, phát triển xe hơi tự lái hay
drone giao hàng tự động.
Convolutional Neural Network (CNNs – Mạng nơ-ron tích chập) là một
trong những mô hình Deep Learning tiên tiến giúp cho chúng ta xây dựng đƣợc
những hệ thống thông minh với độ chính xác cao nhƣ hiện nay. Trong luận văn
này, chúng ta sẽ trình bày về Convolution (tích chập) cũng nhƣ ý tƣởng của mô




Ngoài ra, ta có thể phát hiện biên cạnh bằng cách tính vi phân (độ dị

biệt) giữa các điểm ảnh lân cận.

Hình 1.10. Ảnh được phát hiện biên sau khi chập


2.3. Mô hình mạng neural tích chập
Bây giờ, Chúng ta đã biết thế nào là convolution. Vậy CNNs là gì? CNNs
chỉ đơn giản gồm một vài layer của convolution kết hợp với các hàm kích hoạt
phi tuyến (nonlinear activation function) nhƣ ReLU hay tanh để tạo ra thông tin
trừu tƣợng hơn (abstract/higher-level) cho các layer tiếp theo.
Trong mô hình Feedforward Neural Network (mạng nơ-ron truyền thẳng),
các layer kết nối trực tiếp với nhau thông qua một trọng số w (weighted vector).
Các layer này còn đƣợc gọi là có kết nối đầy đủ (fully connected layer) hay affine
layer.
Trong mô hình CNNs thì ngƣợc lại. Các layer liên kết đƣợc với nhau thông
qua cơ chế convolution. Layer tiếp theo là kết quả convolution từ layer trƣớc đó,
nhờ vậy mà ta có đƣợc các kết nối cục bộ. Nghĩa là mỗi nơ-ron ở layer tiếp theo
sinh ra từ filter áp đặt lên một vùng ảnh cục bộ của nơ-ron layer trƣớc đó.
Mỗi layer nhƣ vậy đƣợc áp đặt các filter khác nhau, thông thƣờng có vài
trăm đến vài nghìn filter nhƣ vậy. Một số layer khác nhƣ pooling/subsampling


layer dùng để chắt lọc lại các thông tin hữu ích hơn (loại bỏ các thông tin nhiễu).
Tuy nhiên, ta sẽ không đi sâu vào khái niệm của các layer này.
Trong suốt quá trình huấn luyện, CNNs sẽ tự động học đƣợc các thông số
cho các filter. Ví dụ trong tác vụ phân lớp ảnh, CNNs sẽ cố gắng tìm ra thông số