LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu và tối ưu hóa mô hình mạng tích chập đồ thị nhận dạng ngôn ngữ kí hiệu tiếng việt

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhXã hội, ngôn ngữ, y dược
Tác giảPhan Quang Duy; Cao Việt Bình
Người hướng dẫnHoàng Quang Huy
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu bài toán nhận dạng ngôn ngữ ký hiệu tiếng Việt (VSL) trong điều kiện dữ liệu hạn chế và môi trường thực tế có nhiễu chuyển động. Đề xuất mô hình LRSL-GCN dựa trên mạng tích chập đồ thị (Graph Convolutional Network), khai thác dữ liệu khung xương được trích xuất bằng MediaPipe. Hệ thống gồm ba thành phần chính: quy trình tiền xử lý kết hợp Kalman Filter và chuẩn hóa không gian nhằm giảm nhiễu và ổn định tín hiệu; chiến lược huấn luyện “Clone & Evolve” để khắc phục vấn đề khởi đầu lạnh thông qua chuyển giao tri thức giữa các luồng đặc trưng; và kỹ thuật tăng cường dữ liệu JMDA nhằm cải thiện khả năng tổng quát hóa của mô hình. Kết quả thực nghiệm trên bộ dữ liệu VSL200 cho thấy mô hình đạt độ chính xác Top-1 là 78.26% và Top-5 là 92.54%, vượt trội so với các phương pháp so sánh như ST-GCN và CTR-GCN khi huấn luyện từ đầu. Đồng thời, hệ thống đạt tốc độ 245 FPS với 3.46M tham số, chứng minh khả năng triển khai thời gian thực trên thiết bị biên.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

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 xã hội, ngôn ngữ, y dược · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

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.