- Banner được lưu thành công.
Nhằm trao đổi và nâng cao chuyên môn, vào sáng ngày 19/03/2024, Khoa Công nghệ Phần mềm đã tổ chức buổi seminar học thuật tại phòng E7.3 với chủ đề "ANALYSIS OF FINE-GRAINED COUNTING METHODS FOR MASKED FACE COUNTING: A COMPARATIVE STUDY” với sự tham gia của các Thầy Cô, Giảng viên trong Khoa, dưới sự trình bày TS. Nguyễn Duy Khánh đã diễn ra thành công tốt đẹp.
Buổi seminar trình bày về việc bài toán đếm số lượng khuôn mặt đeo khẩu trang trong ảnh là việc đếm số lượng khuôn mặt dưới các mật độ đám đông khác nhau và phân biệt giữa khuôn mặt đeo khẩu trang và khuôn mặt không đeo khẩu trang, điều này thường được coi là một nhiệm vụ phát hiện đối tượng (tức là khuôn mặt). Độ chính xác của việc đếm bị hạn chế, đặc biệt là ở mật độ đám đông cao, khi các khuôn mặt tương đối nhỏ, không rõ ràng và được quan sát ở các góc độ khác nhau. Hơn nữa, việc gán nhãn các khung bao cần thiết để huấn luyện các phương pháp phát hiện đối tượng là tốn kém. Chúng tôi xem xét việc đếm khuôn mặt đeo khẩu trang như một nhiệm vụ đếm đám đông chi tiết (fine-grained crowd counting), điều này là phù hợp để giải quyết các thách thức nêu trên với việc hồi quy bản đồ mật độ. Tuy nhiên, việc áp dụng các phương pháp đếm đám đông chi tiết cho việc đếm khuôn mặt đeo khẩu trang không phải là điều dễ dàng. Cần phải xác định các chiến lược phù hợp cho cả việc đếm và phân loại đa lớp. Chúng tôi đã so sánh các chiến lược của các phương pháp khác nhau và xem xét các ưu điểm và nhược điểm của chúng. Các chiến lược này bao gồm (1) hồi quy đơn giản và hồi quy kết hợp với phát hiện để đếm, (2) sử dụng bản đồ mật độ nhận biết lớp (class-aware density maps) với bản đồ phân đoạn ngữ nghĩa (semantic segmentation maps) và xác suất lớp cho việc phân loại, và (3) đếm sử dung/không sử dụng thông tin độ sâu (depth information). Phân tích của bảy phương pháp đếm đám đông trên ba bộ dữ liệu với tổng cộng khoảng 900 nghìn chú thích đã chứng minh rằng mức độ đông đúc ảnh hưởng đến mức độ chính xác của hồi quy đơn giản và hồi quy kết hợp với phát hiện cho việc đếm. Trong khi đó, phương pháp hiệu quả nhất cho việc phân loại là sử dụng bản đồ phân đoạn ngữ nghĩa. Đánh giá về tính hữu ích của việc sử dụng dữ liệu độ sâu đã chứng minh nhu cầu về một bản đồ độ sâu để đạt được độ chính xác cao khi đếm. Các phát hiện này của chúng tôi sẽ hữu ích cho các nghiên cứu trong tương lai.
Dưới đây là một số tóm tắt về kết quả và Thầy Cô tham dự.
- Banner được lưu thành công.
Nhằm đẩy mạnh phong trào nghiên cứu khoa học trong sinh viên/ học viên cao học, kích thích sự say mê tìm tòi học hỏi của sinh viên; Phòng ĐTSĐH&KHCN thông báo đến toàn thể các sinh viên/ học viên cao học và giảng viên hướng dẫn về đăng ký đề tài nghiên cứu khoa học sinh viên/ học viên cao học năm 2024 như sau:
+ Kinh phí thực hiện: 6.000.000 đồng/đề tài.
+ Điều kiện tham gia: Sinh viên hoặc học viên cao học (không quá 02 thành viên tham gia/đề tài).
+ Thời gian thực hiện đề tài: 06 tháng kể từ khi được ký hợp đồng.
+ Hạn chót sinh viên/ học viên cao học đăng ký đề tài qua mạng:
-
- Đợt 1: ngày 15/4/2024
- Đợt 2: ngày 15/8/2024
- Đợt 3: ngày 15/11/2024
Link đăng ký: https://bit.ly/2ImBA2K (Phòng ĐTSĐH&KHCN sẽ mở form đăng ký trước 1 tuần deadline).
Link thông báo của Phòng:https://link.uit.edu.vn/obJeJ
Sinh viên quan tâm vui lòng chuẩn bị trước file thuyết minh đề tài NCKHSV
- Banner được lưu thành công.
Bài báo: "PHÁT HIỆN TÀU THUYỀN TRONG KHÔNG ẢNH BẰNG PHƯƠNG PHÁP RTMDET- ROTATED"
Link bài báo: tại đây
Sinh viên thực hiện
Trần Nguyễn Chí Huy- KTPM2022.1
Người hướng dẫn:
- ThS. Võ Duy Nguyên
- ThS. Đinh Nguyễn Anh Dũng
Tóm tắt bài báo:
Hiện nay, nhờ vào sự phát triển của các thiết bị bay không người lái, phát hiện đối tượng trong ảnh được chụp từ trên cao đang trở thành một đề tài nổi bật trong lĩnh vực thị giác máy tính. Tuy nhiên, các phương pháp phát hiện đối tượng truyền thống vẫn chưa thể hiện được hướng của vật thể và các hộp giới hạn bị chồng lấp nhau nếu ảnh có mật độ đối tượng dày đặc. Vì thế, bài toán phát hiện đối tượng xoay được hình thành. Trong đó, phát hiện tàu thuyền là một trong những vấn đề đang thu hút được nhiều sự quan tâm bởi tính ứng dụng cao trong thực tế, đặc biệt khi tình hình chủ quyền lãnh hải, an toàn biển đảo Quốc gia đang có nhiều thách thức, biến động. Nhằm khắc phục những khó khăn và đáp ứng nhu cầu trên, nhiều nghiên cứu đã tập trung vào phát triển các phương pháp hiệu quả. Trong nghiên cứu này, chúng tôi tiến hành đánh giá thực nghiệm mô hình phát hiện đối tượng theo thời gian thực, được gọi là RTMDet (Real-Time Models for object Detection), với hai backbone CSPNeXt và CSPDarkNet trên bộ dữ liệu DOTA-ship. Bộ dữ liệu này đã được tạo ra nhằm đáp ứng nhu cầu đặc biệt của các ứng dụng liên quan đến phát hiện tàu thuyền. DOTA-ship cũng tái hiện hầu hết thách thức trong các tình huống ngoài đời thực. Cuối cùng, chúng tôi khảo sát kết quả và đưa ra những nhận xét, phân tích chi tiết về RTMDet khi huấn luyện trên bộ dữ liệu DOTA-ship, từ đó gợi ra những hướng phát triển nghiên cứu tiếp theo để cải tiến phương pháp trong tương lai.
"Em xin chân thành gửi lời cảm ơn đến Khoa Công nghệ Phần mềm, PTN Truyền thông Đa phương tiện và nhóm nghiên cứu UIT-Together đã tạo điều kiện giúp em có thể nghiên cứu và hoàn thành bài báo này."
---------------------------------------
Hội nghị Quốc gia về Điện tử, Truyền thông và Công nghệ Thông tin lần thứ XXVI, REV-ECIT 2023 (The 26nd National Conference on Electronics, Communications and Information Technology), viết tắt là REV-ECIT, Thời gian tổ chức: 16/12/2023
Nguồn: Trường đại học Công nghệ Thông tin
- Banner được lưu thành công.
Bài báo: "𝗫𝗟𝗠𝗥𝟰𝗠𝗗: 𝗡𝗲𝘄 𝗩𝗶𝗲𝘁𝗻𝗮𝗺𝗲𝘀𝗲 𝗗𝗮𝘁𝗮𝘀𝗲𝘁 𝗮𝗻𝗱 𝗙𝗿𝗮𝗺𝗲𝘄𝗼𝗿𝗸 𝗳𝗼𝗿 𝗗𝗲𝘁𝗲𝗰𝘁𝗶𝗻𝗴 𝘁𝗵𝗲 𝗖𝗼𝗻𝘀𝗶𝘀𝘁𝗲𝗻𝗰𝘆 𝗼𝗳 𝗗𝗲𝘀𝗰𝗿𝗶𝗽𝘁𝗶𝗼𝗻 𝗮𝗻𝗱 𝗣𝗲𝗿𝗺𝗶𝘀𝘀𝗶𝗼𝗻 𝗶𝗻 𝗔𝗻𝗱𝗿𝗼𝗶𝗱 𝗔𝗽𝗽𝗹𝗶𝗰𝗮𝘁𝗶𝗼𝗻𝘀 𝗨𝘀𝗶𝗻𝗴 𝗟𝗮𝗿𝗴𝗲 𝗟𝗮𝗻𝗴𝘂𝗮𝗴𝗲 𝗠𝗼𝗱𝗲𝗹𝘀"
Người thực hiện:
- Nguyễn Ngọc Qúi- Bộ môn Môi trường ảo và phát triển Game
Người hướng dẫn:
- Thầy Nguyễn Tấn Cầm- Khoa Kĩ thuật Thông tin
- Thầy Nguyễn Văn Kiệt- Khoa Kĩ thuật Thông tin
Tóm tắt bài báo:
Google Play và các nền tảng ứng dụng khác có đa dạng ứng dụng Android và các siêu dữ liệu của chúng. Trong số các siêu dữ liệu này, thông tin mô tả và chính sách bảo mật giúp giải thích chức năng của ứng dụng. Chúng cũng mô tả quyền của ứng dụng, đặc biệt là những quyền liên quan đến thông tin nhạy cảm. Phát hiện sự không nhất quán giữa mô tả của ứng dụng, thông tin bảo mật và quyền được trích xuất từ mã nguồn ứng dụng giúp người dùng quyết định liệu họ có cài đặt và sử dụng ứng dụng hay không. Trong nghiên cứu này, chúng tôi đề xuất một phương pháp mới dựa trên một mô hình ngôn ngữ được huấn luyện trước để phát hiện sự không nhất quán giữa quyền được trích xuất từ mô tả ứng dụng, chính sách bảo mật và quyền được trích xuất từ mã nguồn ứng dụng (tập tin APK). Công trình liên quan tập trung vào các mô hình của các bộ dữ liệu quy mô lớn, đặc biệt là cho các ngôn ngữ có tài nguyên phong phú như tiếng Anh. Tuy nhiên, một ngôn ngữ có tài nguyên thấp, cụ thể là tiếng Việt, cần có nhiều bộ dữ liệu hơn cho nhiệm vụ này. Để giải quyết vấn đề này, chúng tôi đề xuất bộ dữ liệu ViDPApp (Mô tả và Chính sách Bảo mật của Ứng dụng trên các miền tiếng Việt) - một bộ dữ liệu được gán nhãn thủ công với hơn 12.000 câu có độ đồng thuận giữa các người gán nhãn (IAA) trên 85%. Ngoài ra, chúng tôi đề xuất XLMR4MD, một framework sử dụng các mô hình ngôn ngữ lớn, vượt trội hơn các mô hình học máy khác (LSTM, Bi-GRU-LSTM-CNN, WikiBERT, DistilBERT, mBERT và PhoBERT). Framework đạt được độ đo F1 tốt nhất với 84,04% trong việc phát hiện sự không nhất quán giữa quyền của ứng dụng Android và mô tả. Khung này có thể được tinh chỉnh cho 100 ngôn ngữ khác nhau, từ đó phát triển cho các ngôn ngữ có tài nguyên thấp giống như tiếng Việt. Bộ dữ liệu này có sẵn cho mục đích nghiên cứu.
--------------------------------------
"Em xin gửi lời cảm ơn chân thành nhất đến Thầy Nguyễn Tấn Cầm và Thầy Nguyễn Văn Kiệt. Bằng lòng thành và sự tận tâm mà hai Thầy đã dành cho chúng em trong quá trình hướng dẫn, chỉ ra những hạn chế quan trọng trong quá trình nghiên cứu. Sự hỗ trợ của hai Thầy là nguồn động viên lớn lao, giúp em vượt qua những thách thức và hoàn thành công việc nghiên cứu một cách tốt nhất. Em xin chân thành tri ân sự hướng dẫn và những kiến thức quý báu mà hai Thầy đã truyền đạt cho em. Một lần nữa em xin gửi lời cảm ơn đến hai Thầy rất nhiều!"
- Banner được lưu thành công.
Với mục đích đẩy mạnh nghiên cứu khoa học, vào lúc 10h00 ngày 05/03/2024, khoa Công nghệ Phần mềm đã tổ chức buổi Seminar với chủ đề "A DUAL OUTPUT QUANTUM CIRCUIT DESIGN FOR QUANTUM PORTFOLIO OPTIMIZATION PROBLEM" do ThS. Vũ Tuấn Hải, giảng viên Khoa CNPM tại phòng E7.3.
Buổi seminar chia sẻ về vấn đề tối ưu hóa danh mục đầu tư (PO) là một vấn đề quan trọng trong lĩnh vực tài chính lượng tử. Nó nhằm mục đích tìm ra các chiến lược đầu tư tối ưu nhằm tối đa hóa lợi nhuận và giảm thiểu rủi ro với một số hạn chế. Trong bối cảnh quy mô lớn, chẳng hạn như hàng triệu tài sản, các phương pháp lượng tử mang lại độ phức tạp logarit so với độ phức tạp bậc hai từ các công thức cổ điển. Các thuật toán lượng tử hiện tại bao gồm Thuật toán riêng lượng tử biến thiên (VQE) và Thuật toán tối ưu hóa gần đúng lượng tử (QOAO), về nguyên tắc là hiệu quả. Trong bài báo này, chúng tôi trình bày một thiết kế mạch lượng tử cung cấp các giá trị lợi nhuận và rủi ro riêng biệt, thay vì chỉ giá trị lợi nhuận mà hai phương pháp trên mang lại. Chúng tôi thử nghiệm phương pháp của mình trên 97 tài sản trong hai tháng gần nhất và so sánh kết quả với các giải pháp cổ điển và các thuật toán lượng tử khác.
Dưới đây là một số tóm tắt về kết quả và Thầy Cô tham dự
