Leveraging deep learning and knowledge distillation for enhanced anomaly detection in traffic systems
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Trần Mai Khiêm |
| Người hướng dẫn | Trần Minh Triết |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
The thesis focuses on developing lightweight neural network architectures for traffic anomaly detection using deep learning and knowledge distillation. A novel dataset of 917 videos with 2,830 accident-related events was curated for training and evaluation. Proposed lightweight models, inspired by EfficientNet-B0, achieve high accuracy rates with reduced computational demands: Best Model Accuracy: 94.83% ; Smallest Model Accuracy: 94.34%, with a size reduction of 15–30% compared to EfficientNet-B0. These models inherit the accuracy of a larger teacher model (EfficientNet-B4) through knowledge distillation, making them highly efficient and deployable on edge devices. The system addresses real-time performance requirements and supports intelligent transportation applications by enabling proactive accident prevention, congestion reduction, and road safety enhancement.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Phát hiện tình huống nổi bật trong video bóng đá dùng kỹ thuật học sâu
- Nhận diện biển số phương tiện giao thông sử dụng công cụ xử lý dữ liệu lớn và học sâu
- Phát triển ứng dụng hỗ trợ chia sẻ thông tin du lịch cùng nhau
- Tiếp cận bài toán tóm tắt video theo hướng học không giám sát sử dụng GAN
- Nghiên cứu cải tiến thuật toán phân lớp sử dụng cây quyết định đệ quy
- Mô hình logit và ứng dụng trong tìm kiếm ảnh
- Phân tích và dự báo xu hướng giao dịch bất động sản tại TP.HCM dựa trên dữ liệu thực đa nguồn
- Xây dựng hệ hỗ trợ tìm kiếm văn bản điện tử theo ngữ nghĩa trong tập đoàn bưu chính viễn thông việt
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.