LuanVan.vnLuận Văn
Gửi thư

TÓM TẮT NỘI DUNG VIDEO TỰ ĐỘNG DỰA TRÊN HỌC SÂU

Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTrần Phạm Thái Toàn
Người hướng dẫnNguyễn Thanh Hải
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Trong kỷ nguyên số, nhu cầu tóm tắt video tự động để tối ưu hóa việc quản lý và khai thác dữ liệu ngày càng trở nên cấp thiết. Để giải quyết bài toán này, luận văn đề xuất hệ thống tóm tắt video tự động dựa trên kiến trúc học sâu lai VASNet. Mô hình kết hợp mạng nơ-ron tích chập Inception V3 để trích xuất đặc trưng không gian, mạng hồi quy hai chiều Bi-LSTM để mô hình hóa phụ thuộc thời gian và cơ chế chú ý tự thân (Self-Attention) nhằm tính toán độ quan trọng toàn cục giữa các khung hình. Hệ thống được triển khai theo hướng học có giám sát trên hai bộ dữ liệu chuẩn SumMe và TVSum với giao thức kiểm tra chéo 5-fold. Nghiên cứu áp dụng hàm mất mát kết hợp giữa Focal Binary Cross-Entropy và Diversity Loss giúp tối ưu hóa sự cân bằng giữa độ chính xác và tính đa dạng của nội dung tóm tắt. Đặc biệt, chiến lược Tăng cường dữ liệu tách biệt (Decoupled Augmentation) kết hợp làm mượt nhãn Gaussian được thực hiện nhằm nâng cao tính tổng quát hóa của mô hình. Kết quả thực nghiệm cho thấy sự vượt trội của phương pháp đề xuất khi đạt F-score lần lượt là 49.3\% (trên SumMe) và 63.2\% (trên TVSum) ở chế độ Augmented. Đáng chú ý, các hệ số tương quan thứ bậc Spearman ($\rho = 0.443$) và Kendall ($\tau = 0.316$) đều vượt qua ngưỡng tham chiếu đồng thuận của con người (Human baseline), khẳng định khả năng xếp hạng khung hình cực kỳ hiệu quả. Đóng góp chính của luận văn trong việc tối ưu hóa kiến trúc VASNet thông qua chiến lược tăng cường dữ liệu và quy trình đánh giá đa chiều đã tạo ra một giải pháp toàn diện, làm tiền đề vững chắc cho các ứng dụng quản lý kho dữ liệu video thông minh. Từ khóa: Tóm tắt video, học sâu, mạng Bi-LSTM, cơ chế Self-Attention, Inception V3, kiến trúc VASNet, tăng cường dữ liệu, hệ số tương quan Spearman In the digital era, the demand for automatic video summarization to optimize multimedia data management and retrieval has become increasingly urgent. To address this challenge, this thesis proposes an automatic video summarization system based on the hybrid deep learning architecture VASNet. The proposed model integrates the Inception V3 convolutional neural network for spatial feature extraction, a Bidirectional Long Short-Term Memory (Bi-LSTM) network for modeling temporal dependencies, and a Self-Attention mechanism to evaluate the global importance of frames. The system is trained under a supervised learning framework on two benchmark datasets, SumMe and TVSum, utilizing a 5-fold cross-validation protocol. Furthermore, a joint loss function combining Focal Binary Cross-Entropy and Diversity Loss is employed to strike an optimal balance between the accuracy and diversity of the generated summaries. Notably, a Decoupled Augmentation strategy integrated with Gaussian label smoothing is implemented to enhance the model's generalization capability. Experimental results demonstrate the superiority of the proposed approach, achieving impressive F-scores of 49.3\% on SumMe and 63.2\% on TVSum under the Augmented setting. Remarkably, the rank correlation coefficients, including Spearman's ($\rho = 0.443$) and Kendall's ($\tau = 0.316$), both surpass the human consensus baseline, confirming the model's robust frame-ranking efficacy. The core contribution of this research lies in the comprehensive optimization of the VASNet architecture via advanced data augmentation and multi-dimensional evaluation, laying a solid foundation for intelligent video repository management applications. Keywords: Video summarization, deep learning, Bi-LSTM, Self-Attention, Inception V3, VASNet architecture, data augmentation, Spearman rank correlation
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

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

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.