Hint

• Thị giác máy tính (Computer Vision – CV) là một lĩnh vực trong khoa học máy tính và trí tuệ nhân tạo, nhằm giúp máy tính có được khả năng hiểu các hình ảnh hoặc video kỹ thuật số và tự động hóa các nhiệm vụ mà hệ thống thị giác của con người có thể thực hiện được, bao gồm nhận dạng khuôn mặt, xử lý ảnh y khoa, phát hiện vật thể, giám sát an ninh, và nhiều ứng dụng khác.

• Các nhiệm vụ trong thị giác máy tính bao gồm: thu thập, xử lý, phân tích, hiểu và trích xuất hình ảnh kỹ thuật số thành các mô tả về thế giới có ý nghĩa đối với các quá trình suy nghĩ và có thể gợi ra hành động thích hợp.

Hint

• Mỗi pixel là 1 giá trị nằm trong khoảng từ 0 đến 255, trong đó 0 là màu đen và 255 là màu trắng

• Giá trị từ 1 tới 254 là màu xám từ tối tới sáng

• Thang độ xám (Grey scale), còn gọi là kênh đơn (single channel): thang màu sắc cho hình ảnh đen trắng.

• Thang độ xám được biểu diễn bằng 1 ma trận có kích thước bằng kích thước ảnh và giá trị trong từng pixel nằm trong khoảng từ 0 đến 255

Hint

Các thư viện thường dùng là

Matplotlib: hiển thị hình ảnh

Pillow: truy xuất, xử lý, lưu hình ảnh

Lưu ý: hình ảnh màu load vào ở dạng RGB

OpenCV: truy xuất, xử lý, lưu hình ảnh

Lưu ý: hình ảnh màu load vào ở dạng BGR

Tensorflow: truy xuất, xử lý, xây dựng mô hình học sâu

Lưu ý: có thể tùy chỉnh hệ màu, kích thước ảnh cùng lúc với truy xuất hình

Có thể truy xuất hình đơn lẫn 1 folder hình thành 1 bộ dữ liệu

Pytorch – torchvision: truy xuất, hiện, xử lý, lưu hình ảnh, xây dựng mô hình học sâu

Hint

Cú pháp để load hình ảnh là:

# Thư viện OpenCV

# Load hình ảnh

img = cv2.imread(‘…’)

# Hiển thị hình ảnh bằng việc mở 1 cửa sổ khác

cv2.imshow(img)

# chờ không cho thoát cửa sổ lập tức mà người dùng cần nhấn phím bất kỳ để thoát

cv2.waitKey(0)

Hint

Kaggle là một trong những nguồn dữ liệu hình ảnh nổi tiếng, đây là một nơi các nhà máy học chia sẻ dữ liệu, các bài toán cùng với kết quả dự đoán và các giải pháp. Huggingface cung cấp các dataset về ngôn ngữ tự nhiên, hình ảnh và âm thanh, cũng như các mô hình đã được huấn luyện trên các dataset này. Arxiv và Paper with code là những nơi chia sẻ các bài báo nghiên cứu cũng như mã nguồn mở cho các bài báo khoa học chứ không phải là nơi chia sẻ dữ liệu hình ảnh

Hint

• 1 tập hợp con được gắn nhãn của tập dữ liệu CIFAR 80 triệu hình ảnh.

• Bộ dữ liệu gồm 10 loại đồ vật khác nhau, bao gồm: máy bay, ô tô, chim, mèo, hươu, nai, chó, ếch, ngựa, tàu và xe tải.

• 60,000 hình ảnh với 6,000 hình mỗi loại