Bài báo: “Analysiss of Fog density on oriented object detection in aerial images”  Sinh viên thực hiện: - Nguyễn Đức Anh Phúc – 20520276 – KHMT2020 - Trương Thành Thắng – 20521907 – KHMT2020 -  Ngô Văn Tấn Lưu – 20521591 – KHMT2020 - Huỳnh Viết Tuấn Kiệt – 20521494 –KHMT2020 Giảng viên hướng dẫn: - TS. Nguyễn Tấn Trần Minh Khang - ThS. Võ Duy Nguyên Tóm tắt bài báo: Phát hiện đối tượng trong không ảnh có nhiều ứng dụng thực tế trong cuộc sống thực và ngày càng đang trở nên phổ biến cùng với sự phát triển vượt bậc của ứng dụng học sâu và UAV (Máy bay không người lái). Tuy nhiên, điều kiện thời tiết bất lợi như mưa, đêm và sương mù có thể làm giảm chất lượng của hình ảnh đầu vào và ảnh hưởng đáng kể đến hiệu suất của nhiều phương pháp được huấn luyện trong điều kiện thời tiết hoàn hảo. Hơn nữa, phát hiện đối tượng trong không ảnh thường hướng đến độ chính xác cao, trong khi các phương pháp phát hiện đối tượng nổi tiếng lại chỉ sử dụng các hộp giới hạn ngang để thể hiện vị trí của các đối tượng. Những vấn đề này làm nảy sinh sự mâu thuẫn giữa phân loại và hồi quy hộp giới hạn. Hiểu được nhu cầu về các giải pháp thực tế, chúng em đề xuất hai bộ dữ liệu sương mù thử nghiệm dựa trên bộ dữ liệu DOTA gốc để cung cấp các phân tích chuyên sâu về mật độ sương mù ảnh hưởng như thế nào trên nhiều phương pháp phát hiện đối tượng nổi tiếng, cụ thể là Gliding Vertex, R3Det và ReDet. Hơn nữa, các bộ trọng số huấn luyện của chúng em đạt được kết quả đầy hứa hẹn, kết hợp linh hoạt với các phương pháp khác để nâng cao hiệu suất của mô hình và thích ứng với nhiều điều kiện thời tiết bất lợi. Nhóm nghiên cứu xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng nhóm trong quá trình nghiên cứu và công bố bài báo khoa học này.   Được biết sinh viên Nguyễn Đức Anh Phúc là cựu học sinh trường Phổ Thông Năng Khiếu, sinh viên Trương Thành Thắng là cựu học sinh TRƯỜNG THPT SỐ 1 PHÙ MỸ,  sinh viên Ngô Văn Tấn Lưu là cựu học sinh Trường THPT PHAN CHÂU TRINH Đà Nẵng, sinh viên Huỳnh Viết Tuấn Kiệt là cựu học sinh Trường THPT Trần Quý Cáp Hội nghị RIVF là một hội nghị quốc tế Công nghệ Truyền thông và Điện toán, là sự kiện khoa học quốc tế lớn quy tụ các nhà khoa học, nghiên cứu trong lĩnh vực điện toán và truyền thông ở Việt Nam và thế giới đồng hành “Nghiên cứu - Đổi mới và Tầm nhìn cho tương lai” (Research, Innovation and Vision for the future, viết tắt là RIVF). Hội nghị RIVF được liệt kê vào danh sách các hội nghị uy tín theo đề xuất của SCOPUS and ISI Web of Science. RIVF đã trải qua 15 lần tổ chức và lần thứ 16 được tổ chức vào năm nay, tại thành phố Hồ Chí Minh, Việt Nam. Mọi thông tin chi tiết xem tại: https://www.facebook.com/UIT.Fanpage/posts/pfbid0JhimrE1U8fLRbcM35WUGq2QeGgWrSc8Ba3Wjfymha8HdvsyeJ4u9bFnDYzRACXeEl Hạ Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo: “Performance Evaluation of Optimizers for Deformable-DETR in Natural Disaster Damage Assessment” Sinh viên thực hiện:  - Đinh Nhật Minh – 20521597 – KHMT2020 - Bùi Long Vũ – 20520350 – KHMT2020 Giảng viên hướng dẫn: - TS. Nguyễn Tấn Trần Minh Khang - ThS. Võ Duy Nguyên Tóm tắt bài báo: Với sức ảnh hưởng to lớn của biến đổi khí hậu, thiên tai liên tiếp xảy ra. Nhưng việc phát hiện và đánh giá thiệt hại sau đó hầu hết đều dựa vào tài liệu và kiểm định một cách thủ công – tạo nên sự chậm chạp, tốn kém cả về thời gian và sức lực. Dó đó, yêu cầu đặt ra là cần có một hệ thống tự động có khả năng phát hiện và phân lớp dựa trên mức độ thiệt hại mà thiên tai gây ra. Vì vậy, trong nghiên cứu này, chúng tôi tập trung giải quyết vấn đề về kiểm định, đánh giá thiệt hại của các công trình kiến trúc, sau khi chịu sự tàn phá đột ngột của của thảm họa tự nhiên (ví dụ lũ lụt, bão, sóng thần hay hỏa hoạn) thông qua phân tích các cảnh cắt ra từ những video về thảm họa, đc ghi lại từ các phương tiện ghi hình trên không. Nhóm nghiên cứu xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng nhóm trong quá trình nghiên cứu và công bố bài báo khoa học này.  Được biết sinh viên Đinh Nhật Minh là cựu học sinh THPT  Hoàng Hoa Thám, Diên Khánh, Khánh Hòa, sinh viên Bùi Long Vũ là cựu học sinh Trường THPT Chuyên Đại học Vinh International Conference on Multimedia Analysis and Pattern Recognition (MAPR) là hội nghị Quốc tế lĩnh vực Phân tích Đa phương tiện và Nhận dạng Mẫu được bảo trợ bởi IEEE, IEEE Vietnam và Hiệp hội Nhận dạng Mẫu Việt Nam (VAPR). Hội nghị được tổ chức nhằm mục đích tập hợp các nhà nghiên cứu từ cả định hướng học thuật và công nghiệp, để chia sẻ các phát hiện nghiên cứu mới nhất, kết quả thử nghiệm cũng như củng cố mối quan hệ hợp tác tiềm năng trong lĩnh vực nhận dạng mẫu, phân tích đa phương tiện và các lĩnh vực liên quan. Hội nghị MAPR’22 lần thứ 5 được tổ chức bởi trường Đại học Công nghệ Thông tin – Đại học Quốc gia Thành phố Hồ Chí Minh (UIT - VNU) tại Đảo Ngọc Phú Quốc, thuộc tỉnh Kiên Giang, trong khoảng thời gian từ ngày 13 tháng 10 đến ngày 14 tháng 10 năm 2022 dưới hình thức trực tiếp. Mọi thông tin chi tiết xem tại: https://www.facebook.com/UIT.Fanpage/posts/pfbid02krsFjhXXT8PsDWY12XEPpYhmDvHzvCe62Uab3oo3YaVhQwTTw4c6v7KgpENKueuMl Hạ Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo: “Object Detection" by The Combination of Generic Roi Extractor and Dynamic R-CNN with Side - Aware Boundary Localization in Aerial Images” Sinh viên thực hiện: - Trần Nguyên Bảo – 20520142 – KHMT2020 - Phạm Tấn Tài - 20521861 – KHMT2020 Giảng viên hướng dẫn:  - TS. Nguyễn Tấn Trần Minh Khang - ThS. Võ Duy Nguyên Tóm tắt bài báo: Trong những năm gần đây, các phương tiện bay không người lái (UAV) đã trở nên phổ biến hơn với nhiều người bởi sự tiện lợi và hiệu quả trong việc giám sát giao thông, chuyển phát nhanh hay hỗ trợ cứu hộ. Hơn nữa, trong thị giác máy tính, UAV đã được sử dụng như một cỗ máy hỗ trợ trong việc thu thập dữ liệu cho các nhiệm vụ phát hiện đối tượng, đặc biệt là các nhiệm vụ phát hiện phương tiện. Mặc dù phát hiện phương tiện là một nhiệm vụ đầy thách thức, nhưng nhiều khó khăn của nó hiện đã được giải quyết bằng các phương pháp hai giai đoạn như Faster R-CNN-một trong những thiết bị phát hiện phương tiện hiệu quả. Tuy nhiên, vẫn còn nhiều vấn đề nghiêm trọng, chẳng hạn như đối tượng bị che khuất, đối tượng bị cắt mất một phần, cùng là 1 đối tượng nhưng được quay ở nhiều góc độ khác nhau, … Trong nghiên cứu này, cách tiếp cận của chúng tôi là kết hợp phương pháp Generic RoI Extractor (GroIE) với Dynamic R-CNN và Side-aware Boundary Localization (SABL) để thử nghiệm và đánh giá trên tập dữ liệu đầy thách thức XDUAV. Với backbone ResNet-101, cách tiếp cận của chúng tôi đạt được kết quả cạnh tranh so với phương pháp GRoIE ban đầu. Nhóm sinh viên xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng nhóm trong quá trình nghiên cứu và công bố bài báo khoa học này.  Được biết sinh viên Trần Nguyên Bảo là cựu học sinh Trường THPT Gia Định, sinh viên Phạm Tấn Tài là cựu học sinh THPT Lấp Vò 3 - Đồng Tháp Tạp chí Khoa học Trường Đại học Cần Thơ là tạp chí được phản biện kín hai chiều, xuất bản các bài nghiên cứu và bài tổng quan chất lượng thuộc nhiều lĩnh vực đa dạng. Tạp chí xuất bản định kỳ sáu số mỗi năm vào tháng Hai, tháng Tư, tháng Sáu, tháng Tám, tháng Mười và tháng Mười Hai. Bên cạnh đó, Tạp chí cũng xuất bản kỷ yếu của hội thảo, hội nghị khoa học. Tạp chí ra đời với mục tiêu cung cấp các kết quả nghiên cứu khoa học của Trường Đại học Cần Thơ nói riêng, các công trình nghiên cứu khoa học trong nước nói chung, góp phần thúc đẩy nghiên cứu khoa học và chuyển giao công nghệ. Kể từ số đầu tiên được xuất bản năm 2004 đến nay, Tạp chí đã góp phần quảng bá hình ảnh và khẳng định vai trò của mình trong việc cung cấp các kết quả nghiên cứu cho độc giả và thu hút nhiều bài viết từ các nhà khoa học trong nước. Mọi thông tin chi tiết xem tại: https://www.facebook.com/UIT.Fanpage/posts/pfbid0VKzcT7cnmFzfDNfHQ253NwRTAPEAancB8kXmsptovZrZ4otDbNwY37esXqCp6W3cl Hạ Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo: “thực nghiệm đánh giá YOLOX cho bài toán phát hiện đối tượng tài liệu” Sinh viên thực hiện: - Huỳnh Viết Tuấn Kiệt - 20521494 - KHMT2020 - Nguyễn Văn Toàn - 20522028 - KHMT2020 Giảng viên hướng dẫn:  - TS. Nguyễn Tấn Trần Minh Khang - ThS. Võ Duy Nguyên Tóm tắt bài báo: Trong vài thập kỷ qua, với sự gia tăng nhanh chóng trong việc số hóa các hình ảnh tài liệu, việc trích xuất thông tin chính xác là một trong những hướng nghiên cứu quan trọng. Với sự phát triển của phát hiện đối tượng, nhiều nghiên cứu ra đời hướng đến việc phân loại tài liệu dựa trên nhiều thành phần của trang tài liệu đó. Mục tiêu của nghiên cứu này là đề cập đến bài toán POD (Page Object Detection) – phát hiện đối tượng xuất hiện trong trang tài liệu thông qua đánh giá 2 bộ dữ liệu IIIT-AR-13K và UIT-DODV dựa theo phương pháp YOLOX. YOLOX đạt kết quả cao hơn so với kết quả mô hình one-stage cao nhất – YOLOv4- mish được công bố trên bộ dữ liệu UIT-DODV. Trong khi ở IIIT-AR-13K, YOLOX đạt được kết quả thấp hơn nhiều so với các phương pháp two-stage đã công bố trước đó. Bên cạnh, những phân tích về độ hiệu quả của phương pháp state-of-the-art YOLOX cho bài toán POD cũng được cung cấp, là tiền đề cho những nghiên cứu tiếp theo trong tương lai. Nhóm nghiên cứu xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng nhóm trong quá trình nghiên cứu và công bố bài báo khoa học này.  Được biết sinh viên Huỳnh Viết Tuấn Kiệt là cựu học sinh trường Trường THPT Trần Quý Cáp Tạp chí Khoa học Trường Đại học Cần Thơ là tạp chí được phản biện kín hai chiều, xuất bản các bài nghiên cứu và bài tổng quan chất lượng thuộc nhiều lĩnh vực đa dạng. Tạp chí xuất bản định kỳ sáu số mỗi năm vào tháng Hai, tháng Tư, tháng Sáu, tháng Tám, tháng Mười và tháng Mười Hai. Bên cạnh đó, Tạp chí cũng xuất bản kỷ yếu của hội thảo, hội nghị khoa học. Tạp chí ra đời với mục tiêu cung cấp các kết quả nghiên cứu khoa học của Trường Đại học Cần Thơ nói riêng, các công trình nghiên cứu khoa học trong nước nói chung, góp phần thúc đẩy nghiên cứu khoa học và chuyển giao công nghệ. Kể từ số đầu tiên được xuất bản năm 2004 đến nay, Tạp chí đã góp phần quảng bá hình ảnh và khẳng định vai trò của mình trong việc cung cấp các kết quả nghiên cứu cho độc giả và thu hút nhiều bài viết từ các nhà khoa học trong nước. Mọi thông tin chi tiết xem tại: https://www.facebook.com/UIT.Fanpage/posts/pfbid025ZYTDpTHT1YSxVisfmNBhAEJso7QcUFQUcHrUG6Sya6GBrEknRrHawJnWMCDupWzl Hạ Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Thực nghiệm đánh giá Double-head cho bài toán phát hiện phương tiện giao thông từ không ảnh” được chấp nhận đăng tại Tạp chí Khoa học Trường Đại học Cần Thơ - CTUJS. Bài báo do sinh viên Nguyễn Thanh Thanh Trúc và Trần Thị Mỹ Quyên thực hiện dưới sự hướng dẫn của giảng viên TS. Nguyễn Tấn Trần Minh Khang và ThS. Võ Duy Nguyên Tóm tắt bài báo: Phát hiện phương tiện giao thông từ không ảnh đặt ra nhiều thách thức và nhận được sự quan tâm từ cộng đồng nghiên cứu. Đối tượng trong không ảnh nhỏ hơn rất nhiều so với ảnh chụp từ camera mặt đất, đây là thách thức rất lớn. Với các đối tượng nhỏ, sự sai khác của các vùng đề xuất sẽ làm ảnh hưởng lớn đến kết quả phát hiện đối tượng. Trong nghiên cứu này, phương pháp Double-Head được đánh giá dựa trên bộ dữ liệu AERIAU – một bộ dữ liệu không ảnh có áp dụng các kỹ thuật tăng cường dữ liệu. Double-Head đạt kết quả cao trên lớp đối tượng xe ô tô, xe buýt, xe tải, từ đó đưa ra đề xuất phát hiện xe loại nhỏ. Đây là tiền đề cho các nghiên cứu tiếp theo, cơ sở để phát triển các hệ thống giám sát giao thông thông minh.   Chúng em xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện , cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng chúng em trong quá trình nghiên cứu và công bố bài báo khoa học này.     Được biết sinh viên Nguyễn Thanh Thanh Trúc là cựu học sinh trường THCS & THPT Tây Sơn Đà Lạt, sinh viên Trần Thị Mỹ Quyên là cựu học sinh Thpt VÕ THÀNH TRINH - học sinh + cựu học sinh Tạp chí Khoa học Trường Đại học Cần Thơ là tạp chí được phản biện kín hai chiều, xuất bản các bài nghiên cứu và bài tổng quan chất lượng thuộc nhiều lĩnh vực đa dạng. Tạp chí xuất bản định kỳ sáu số mỗi năm vào tháng Hai, tháng Tư, tháng Sáu, tháng Tám, tháng Mười và tháng Mười Hai. Bên cạnh đó, Tạp chí cũng xuất bản kỷ yếu của hội thảo, hội nghị khoa học. Tạp chí ra đời với mục tiêu cung cấp các kết quả nghiên cứu khoa học của Trường Đại học Cần Thơ nói riêng, các công trình nghiên cứu khoa học trong nước nói chung, góp phần thúc đẩy nghiên cứu khoa học và chuyển giao công nghệ. Kể từ số đầu tiên được xuất bản năm 2004 đến nay, Tạp chí đã góp phần quảng bá hình ảnh và khẳng định vai trò của mình trong việc cung cấp các kết quả nghiên cứu cho độc giả và thu hút nhiều bài viết từ các nhà khoa học trong nước. Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid0CoM6krv1hKKsoSfdqek2P5SfbtD6ximj7TC2YmndVp55Fs3EtE1SVebzAk9MP8Lcl Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Training-Free Multi-Objective and Many-Objective Evolutionary Neural Architecture Search with Synaptic Flow” do sinh viên Võ Khánh An và Phạm Ngọc Tân thực hiện dưới sự hướng dẫn của giảng viên TS. Lương Ngọc Hoàng và ThS. Nguyễn Bích Vân Tóm tắt bài báo: Bài toán Tìm kiếm kiến trúc mạng neural (neural architecture search - NAS) thường có chi phí tính toán rất lớn vì cần phải đánh giá nhiều kiến trúc ứng viên trong quá trình tìm kiếm. Việc đánh giá chính xác hiệu năng cho mỗi kiến trúc ứng viên đòi hỏi hàm trăm - hàng ngàn epoch huấn luyện để có được bộ trọng số thích hợp rồi đánh giá độ chính xác thực sự của kiến trúc đó. Thời gian gần đây, một chỉ số dự đoán hiệu năng không qua huấn luyện (training-free performance metric) là Synaptic Flow đã được đề xuất, có thể ước lượng hiệu năng các kiến trúc mạng neural một cách hiệu quả. Synaptic Flow được tính bằng cách sử dụng bộ trọng số khởi tạo ngẫu nhiên và giá trị của nó cho thấy có mức độ tương quan nhất định với độ chính xác trên tập test của mạng neural sau khi huấn luyện. Bên cạnh đó, khi thiết kế kiến trúc mạng neural trong thực tế, hiệu năng không phải là mục tiêu duy nhất mà các chỉ số về độ phức tạp của mạng (số lượng tham số, độ trễ,...) cũng cần phải được xem xét. Trong bài báo này, chúng tôi khảo sát các phương pháp mô hình hóa cho bài toán Tìm kiếm kiến trúc mạng neural đa mục tiêu (multi-objective NAS), trong đó mỗi mô hình liên quan đến một chỉ số hiệu năng và một chỉ số độ phức tạp. Ngoài ra, chúng tôi cũng khảo sát mô hình giải quyết bài toán Tìm kiếm kiến trúc mạng neural nhiều mục tiêu (many-objective NAS), bao gồm một chỉ số hiệu năng và bốn chỉ số độ phức tạp. Chúng tôi xem xét 02 chỉ số hiệu năng cho mỗi mô hình bài toán: độ chính xác của kiến trúc (đòi hỏi quá trình huấn luyện mạng) và Synaptic Flow (không qua huấn luyện). Chúng tôi sử dụng thuật toán NSGA-II để giải các bài toán Tìm kiếm kiến trúc mạng neural đã mô hình hóa, sau đó so sánh chất lượng của các kiến trúc thu được và hiệu quả của việc giải quyết từng mô hình. Kết quả thực nghiệm trên bộ benchmark NATS-Bench cho thấy những ưu điểm của phương pháp tiếp cận bài toán Tìm kiếm kiến trúc mạng neural nhiều mục tiêu bằng Thuật toán tiến hóa không qua huấn luyện (TF-MaOENAS) thu được các kiến trúc có hiệu năng cạnh tranh và chi phí tính toán hợp lý. Source code của bài báo có thể truy cập tại: https://github.com/ELO-Lab/TF-MaOENAS Được biết sinh viên Võ Khánh An là cựu học sinh trường Trường THPT Chuyên Phan Ngọc Hiển, sinh viên Phạm Ngọc Tân là cựu học sinh trường THPT Chuyên Nguyễn Du - Đắk Lắk. Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid07LxxmjSvD7wbFhc32vAPSaERHCCjiVeT1chPGENFbRoFo9cBBcRyaDFSvQttasyol Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Empirical Study of Real-time One-Stage Object Detection Methods on Recyclable Waste Dataset” do 4 sinh viên Khoa học Máy tính khóa 2020: Trần Nguyên Bảo, Văn Nguyễn Ngọc Huyền, Dương Thành Bảo Khanh và Lê Việt Thịnh. Bài báo được giảng viên TS. Nguyễn Tấn Trần Minh Khang và ThS. Võ Duy Nguyên hướng dẫn thực hiện. Tóm tắt bài báo: Các phương pháp phát hiện đối tượng một giai đoạn đã chứng minh được lợi thế của mình về cả tốc độ và độ chính xác, mang tiềm năng lớn nhằm giải quyết các bài toán thị giác máy tính trong tình huống thời gian thực. Một trong số đó là bài toán Phát hiện chất thải có thể tái chế, đặc biệt trở thành chủ đề được quan tâm trong đại dịch COVID-19. Các nghiên cứu trước đây về chủ đề này đã gặp nhiều trở ngại, chủ yếu là do các đối tượng cần phát hiện thường có sự biến dạng cao và độ trong mờ. Ngoài ra, phông nền hình ảnh thường lộn xộn và không có thông tin ngữ cảnh, vốn xuất hiện trong bộ dữ liệu lấy con người làm trung tâm. Trong bài báo này, nhóm nghiên cứu hướng đến việc đánh giá hiệu suất của mô hình phát hiện đối tượng một giai đoạn hiện đại trên tập dữ liệu ZeroWaste. Đây là bộ dữ liệu phát hiện chất thải mức độ công nghiệp đầu tiên, được thu thập từ một cơ sở tái chế vật liệu (Materials Recovery Facility - MRF). Các thử nghiệm của nhóm nghiên cứu đã chỉ ra rằng các mô hình phát hiện một giai đoạn gần đây đạt được kết quả rất cạnh tranh trên bộ dữ liệu về rác thải tái chế. Ngoài ra, nghiên cứu cũng đánh giá khả năng ứng dụng và các thách thức từ bộ dữ liệu ZeroWaste, phục vụ cho việc phát triển các hệ thống tái chế chất thải tự động, tiết kiệm sức lao động và đảm bảo an toàn cho con người. Chúng em xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng chúng em trong quá trình nghiên cứu và công bố bài báo khoa học này.   Được biết sinh viên Trần Nguyên Bảo là cựu học sinh trường trường Trường THPT Gia Định, sinh viên Văn Nguyễn Ngọc Huyền là cựu học sinh trường THPT Chuyên Nguyễn Du - Đắk Lắk, sinh viên Dương Thành Bảo Khanh là cựu học sinh trường THPT Thăng Long - Nam Ban - Lâm Hà, sinh viên Lê Việt Thịnh là cựu học sinh trường Trường THCS và THPT Hiếu Nhơn Hội nghị RIVF là một hội nghị quốc tế Công nghệ Truyền thông và Điện toán, là sự kiện khoa học quốc tế lớn quy tụ các nhà khoa học, nghiên cứu trong lĩnh vực điện toán và truyền thông ở Việt Nam và thế giới đồng hành “Nghiên cứu - Đổi mới và Tầm nhìn cho tương lai” (Research, Innovation and Vision for the future, viết tắt là RIVF). Hội nghị RIVF được liệt kê vào danh sách các hội nghị uy tín theo đề xuất của SCOPUS and ISI Web of Science. RIVF đã trải qua 15 lần tổ chức và lần thứ 16 được tổ chức vào năm nay, tại thành phố Hồ Chí Minh, Việt Nam. Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid023WWAXg9qgnW6gnjwqWUR2SeHf5rQbCo6hntoL7UjH6pZFB9YvjggvJaKyT449Y5Ql Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Benchmarking Gradient Estimation Mechanisms in Evolution Strategies for Solving Black-Box Optimization Functions and Reinforcement Learning Problems” do sinh viên Trần Thái Bảo thực hiện được chấp nhận đăng tại Hội nghị SoICT 2022. Bài báo có sự hướng dẫn của TS. Lương Ngọc Hoàng Tóm tắt bài báo: Trong bài báo này, chúng tôi thực hiện khảo sát các cơ chế ước lượng gradient của ba thuật toán tối ưu hóa: Chiến lược tiến hóa (Evolutionary Strategies - ES), Chiến lược tiến hóa có chỉ dẫn (Guided Evolutionary Strategies - GES) và Chiến lược tiến hóa tự chỉ dẫn (Self-Guided Evolutionary Strategy - SGES). Thuật toán ES thực hiện phát sinh các hướng tìm kiếm theo phân phối chuẩn đẳng hướng (isotropic normal distribution) từ không gian tìm kiếm đầy đủ để từ đó tính ra được một ước lượng không thiên lệch (unbiased) của gradient vector. Tuy nhiên, ES chưa tận dụng hiệu quả dữ liệu thu được từ quá trình tối ưu, đặc biệt ở những vấn đề có số chiều lớn. Thời gian gần đây, thuật toán GES và SGES với cơ chế ước lượng gradient mới bằng cách xây dựng các không gian con chỉ dẫn (guiding subspaces) đã được đề xuất nhằm giảm phương sai trong việc ước lượng gradient và tận dụng dữ liệu tốt hơn khi giải quyết bài toán Học tăng cường hay các bài toán tối ưu hóa black-box với số chiều lớn. Chúng tôi thực nghiệm với nhiều kích thước vấn đề khác nhau, bao gồm những hàm số benchmark đa cực trị và các tác vụ học tăng cường trong điều khiển liên tục. Kết quả thí nghiệm giúp xác định rõ các thành phần cần thiết của các thuật toán này cũng như các vấn về quan trọng cần được xem xét để có thể áp dụng ES, GES, và SGES thành công cho các bài toán tối ưu hóa phức tạp. Source code của bài báo có thể truy cập tại: https://github.com/ELO-Lab/BenchGEM-ES Được biết sinh viên Trần Thái Bảo là cựu học sinh trường THPT chuyên Lê Quý Đôn Bình Định SoICT 2022 là hội nghị chuyên đề quốc tế bao gồm các lĩnh vực nghiên cứu quan trọng bao gồm AI Foundation và Big Data, Truyền thông và Bảo mật mạng, Xử lý hình ảnh và ngôn ngữ tự nhiên, Kỹ thuật phần mềm và Công nghệ kỹ thuật số, Các xu hướng Công nghệ Tài chính và Blockchain.  Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid02Aab2xhBZiXjhhVpTo26sku3gBvMVdsDXjr2SWQtrUgf8FEBgr54esixQcfuXFTVbl Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Foggy-DOTA: An adverse weather dataset for object detection in aerial images” do sinh viên Nguyễn Đức Anh Phúc và Trương Thành Thắng thực hiện. Bài báo được giảng viên TS. Nguyễn Tấn Trần Minh Khang và ThS. Võ Duy Nguyên hướng dẫn và được chấp nhận đăng tại Hội nghị NICS2022. Tóm tắt bài báo: Ngày nay, việc phát hiện đối tượng trong các hình ảnh từ trên không trong điều kiện thời tiết bất lợi, đặc biệt là trong các cảnh có sương mù trở nên rất thách thức và vô cùng thiết thực. Hơn nữa, sương mù và mây thường xuất hiện trong phần lớn các hình ảnh chụp từ trên không được chụp bằng máy bay không người lái ở khắp mọi nơi trên Trái đất, đặc biệt là vào buổi sáng sớm. Hiểu được nhu cầu về các phương pháp tiếp cận học sâu, chúng em đề xuất tập dữ liệu Foggy-DOTA kế thừa từ tập dữ liệu DOTA gốc và sau đó đánh giá thực nghiệm nó trên nhiều phương pháp phát hiện đối tượng có hướng hiện đại. Đề xuất của chúng em góp phần đóng góp bộ dữ liệu dành cho thời tiết khắc nghiệt và cũng như đánh giá kết hợp các phương pháp phát hiện đối tượng có hướng hiện đại từ trên không với các điều kiện thời tiết khắc nghiệt khác (trời mưa, trời tuyết, trời tối…) mở đường cho các nghiên cứu liên quan sau này. Chúng em xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng chúng em trong quá trình nghiên cứu và công bố bài báo khoa học này.  Được biết sinh viên Nguyễn Đức Anh Phúc là cựu học sinh trường Phổ thông Năng khiếu, ĐHQG-HCM (Phổ Thông Năng Khiếu); sinh viên Trương Thành Thắng là cựu học sinh trường THPT Số 1 Phù Mỹ, Bình Định (TRƯỜNG THPT SỐ 1 PHÙ MỸ) NAFOSTED Conference on Information and Computer Science (NICS) là Hội nghị Quốc tế lĩnh vực Điện tử, Thông tin, Khoa học Máy tính và các lĩnh vực liên quan được bảo trợ bởi IEEE, IEEE Vietnam và được tổ chức hằng năm bởi Quỹ Phát triển Khoa học và Công nghệ Quốc gia (NAFOSTED) của Việt Nam. Hội nghị được tổ chức nhằm mục đích xây dựng một diễn đàn quốc tế bền vững, sáng tạo và thuận lợi dành cho các nhà nghiên cứu trình bày và thảo luận về những ý tưởng sáng tạo, tiến bộ trong những năm gần đây và định hướng tương lai trong việc giải quyết các thách thức trong lĩnh vực Điện tử, Thông tin, Khoa học Máy tính và các lĩnh vực liên quan. Hội nghị NICS’22 lần thứ 9 được tổ chức tại Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh (HCMUT - VNU) trong khoảng thời gian từ ngày 31 tháng 10 đến ngày 01 tháng 11 năm 2022 dưới hình thức trực tiếp.  Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid025R8hJyhY8KSMFSQg9ePD8uQjE2YUY19DkNEAcRzqdtvr2vJSUhA7Xtq8c5oPFLswl Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Empirical Study of RepPoints Representation for Object Detection in Aerial Images” do sinh viên Văn Nguyễn Ngọc Huyền, Lê Việt Thịnh, Bùi Cao Doanh, khoa Khoa học Máy tính thực hiện. Bài bài có sự hướng dẫn của giảng viên TS. Nguyễn Tấn Trần Minh Khang và ThS. Võ Duy Nguyên Tóm tắt bài báo: Mô hình phát hiện dựa trên hộp neo đã thống trị bài toán phát hiện đối tượng trong nhiều năm qua. Các mô hình này chủ yếu dựa trên hộp giới hạn hình chữ nhật, thuận tiện khi ứng dụng nhưng lại bộc lộ nhiều hạn chế nghiêm trọng, chẳng hạn sự sai lệch vị trí khi các đối tượng phân bố dày đặc hoặc có hướng tùy ý. Trong bài báo này, nhóm nghiên cứu ứng dụng một phương thức biểu diễn vật thể mới, RepPoints (representative points - điểm đại diện), nhằm cải thiện khả năng trích xuất đặc trưng và định vị đối tượng trên dữ liệu giao thông từ trên không. Sau đó, nhóm nghiên cứu đã tiến hành thực nghiệm tinh chỉnh mô hình RPDet – mô hình phát hiện đối tượng không dùng hộp neo dựa trên RepPoints. Cụ thể, các thực nghiệm tinh chỉnh của nhóm bao gồm việc áp dụng các mô hình tiên tiến như ResNet50, ResNeXt101 và Res2Net101 làm mô hình cơ sở; triển khai tích hợp các mô-đun của DCN (Deformable Convolution Networks) cho kiến trúc cơ sở. Các thực nghiệm cho thấy cách tiếp cận này có thể đạt được hiệu suất cao, tương đương với các phương pháp phát hiện dựa trên hộp neo hiện đại nhất, trên bộ dữ liệu giao thông không ảnh VISDRONE-DET. Chúng em xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng chúng em trong quá trình nghiên cứu và công bố bài báo khoa học này.   Được biết sinh viên Văn Nguyễn Ngọc Huyền là cựu học sinh trường THPT Chuyên Nguyễn Du - Đắk Lắk, sinh viên Lê Việt Thịnh là cựu học sinh Trường THCS và THPT Hiếu Nhơn, sinh viên Bùi Cao Doanh là cựu học sinh trường THPT Nguyễn Hữu Huân Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid0QggV26oTZmbtXBUNkrE4HR4GuqG4WoGcjX8guDGF3oDYzk64dB1eC5pLndegAiA3l Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Rethinking Classification of Oriented Object Detection in Aerial Images” của sinh viên Nguyễn Đức Anh Phúc và Trương Thành Thắng  được đăng tại Tạp chí IJACSA-Q3. Bài báo có sự hướng dẫn của giảng viên TS. Nguyễn Tấn Trần Minh Khang và ThS. Võ Duy Nguyên Tóm tắt bài báo: Với sự hỗ trợ của sự phát triển nhanh chóng của công nghệ, đặc biệt là sự phổ biến của UAV (máy bay không người lái), việc phát hiện đối tượng trong không ảnh thu hút được nhiều sự chú ý hơn trong lĩnh vực thị giác máy tính và học sâu. Tuy nhiên, các phương pháp truyền thống sử dụng các hộp giới hạn ngang để biểu diễn đối tượng dẫn đến sự không nhất quán giữa các đối tượng và các đặc trưng. Do đó, nhiều phương pháp đang được nghiên cứu để giải quyết vấn đề này, và thông thường chúng sử dụng các phương pháp huấn luyện thông thường để đạt được kết quả. Phương pháp của chúng em đề xuất tăng cường hiệu năng không chỉ phân loại mà còn hồi quy thông qua các quy trình huấn luyện độc lập sử dụng phép biến đổi bao lồi (convex-hull transformation) trong giai đoạn tiền xử lý dữ liệu. Chúng em thực nghiệm với các mô hình học sâu S2ANet, R3Det, ReDet, RoI Transformer và Oriented R-CNN trên tập dữ liệu phát hiện đối tượng có hướng DOTA. Sau đó, chúng em áp dụng các chúng với mạng phân loại nổi tiếng EfficientNet vào phương pháp được đề và đạt được kết quả rất tốt trên tập dữ liệu DOTA phát hiện đối tượng có hướng. Hơn nữa, phương pháp của chúng em có thể áp dụng với phần lớn các phương pháp phát hiện đối tượng có hướng khác nhau, cải thiện kết quả phân loại thông qua các chu trình huấn luyện mở rộng độc lập.  Chúng em xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện , cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng chúng em trong quá trình nghiên cứu và công bố bài báo khoa học này.   Được biết sinh viên Nguyễn Đức Anh Phúc là cựu học sinh trường Phổ thông Năng khiếu, ĐHQG-HCM (Phổ Thông Năng Khiếu); sinh viên Trương Thành Thắng là cựu học sinh trường THPT Số 1 Phù Mỹ, Bình Định (TRƯỜNG THPT SỐ 1 PHÙ MỸ) International Journal of Advanced Computer Science and Applications (IJACSA) là Tạp chí Khoa học Máy tính học thuật đại diện cho những nghiên cứu xuất sắc. Tạp chí được ra đời nhằm mục đích xuất bản các bài báo khoa học được lựa chọn nghiêm ngặt thông qua quy trình bình duyệt ẩn danh kép (double-blind peer review) nhằm đảm bảo tính nguyên bản, tức thời, phù hợp. Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid0NXrSAkDkvLx2Dz5UZDKBGDW9rBGR85zP2v2RbhbnbJU82GmHEAhhHN2DR3UhS2ecl Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin  

Bài báo “Empirical Study One-stage Object Detection methods for RoboCup Small Size League” được chấp nhận đăng tại Hội nghị NICS2022. Bài báo do sinh viên Ngô Văn Tấn Lưu và Huỳnh Viết Tuấn Kiệt, khoa Khoa học Máy tính thực hiện dưới sự hướng dẫn của giảng viên TS. Nguyễn Tấn Trần Minh Khang và ThS. Võ Duy Nguyên. Tóm tắt bài báo: Small Size League (SSL) là một nhánh thi đấu của giải đấu RoboCup truyền thống, được thành lập để thúc đẩy nghiên cứu về robot và AI. Việc huấn luyện mô hình phát hiện đối tượng theo thời gian thực với độ chính xác cao là điều cần thiết cho rô bốt trong giải bóng đá RoboCup SSL, phục vụ cho việc thiết kế và phát triển các chiến lược cạnh tranh. Các phương pháp phát hiện đối tượng hiện đại đã cho ra tốc độ dự đoán lên đến 94 FPS trên bộ dữ liệu chuẩn mã nguồn mở SSL, nhưng chỉ ở độ chính xác trung bình. Xem xét sự tiến bộ trong các phương pháp học sâu mới trong phát hiện đối tượng, ở bài báo này, chúng tôi đã tiến hành khảo sát và thử nghiệm về các phương pháp phát hiện đối tượng one-stage được cung cấp trong framework MMDetection trên tập dữ liệu cung cấp cho RoboCup SSL.  Chúng em xin gửi lời cảm ơn đến Thầy Nguyễn Tấn Trần Minh Khang – Giảng viên Khoa Công nghệ phần mềm, Thầy Võ Duy Nguyên – Nghiên cứu viên tại Phòng thí nghiệm Truyền thông Đa phương tiện, cùng nhóm nghiên cứu UIT-Together đã đồng hành cùng chúng em trong quá trình nghiên cứu và công bố bài báo khoa học này.   Được biết sinh viên Ngô Văn Tấn Lưu là cựu học sinh trường THPT Phan Châu Trinh, Đà Nẵng (Trường THPT PHAN CHÂU TRINH Đà Nẵng); sinh viên Huỳnh Viết Tuấn Kiệt là cựu học sinh trường THPT Trần Quý Cáp, Quảng Nam (Trường THPT Trần Quý Cáp) NAFOSTED Conference on Information and Computer Science (NICS) là Hội nghị Quốc tế lĩnh vực Điện tử, Thông tin, Khoa học Máy tính và các lĩnh vực liên quan được bảo trợ bởi IEEE, IEEE Vietnam và được tổ chức hằng năm bởi Quỹ Phát triển Khoa học và Công nghệ Quốc gia (NAFOSTED) của Việt Nam. Hội nghị được tổ chức nhằm mục đích xây dựng một diễn đàn quốc tế bền vững, sáng tạo và thuận lợi dành cho các nhà nghiên cứu trình bày và thảo luận về những ý tưởng sáng tạo, tiến bộ trong những năm gần đây và định hướng tương lai trong việc giải quyết các thách thức trong lĩnh vực Điện tử, Thông tin, Khoa học Máy tính và các lĩnh vực liên quan. Hội nghị NICS’22 lần thứ 9 được tổ chức tại Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh (HCMUT - VNU) trong khoảng thời gian từ ngày 31 tháng 10 đến ngày 01 tháng 11 năm 2022 dưới hình thức trực tiếp. Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid0hJTdQB4LkJGN5eLwuDxPuSby69d16YA8suD2fFKY2TXXkXBGhECjqjGAYA7jAXd4l Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin