LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG AI TRONG PHÂN LOẠI TỰ ĐỘNG TÀU THUYỀN NỘI ĐỊA BẰNG HỌC ĐA NHIỆM

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 giảMai Văn Khánh
Người hướng dẫnPhạm Thị Ngọc Diễm
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Phân loại tàu thuyền tự động là một thành phần quan trọng trong việc giám sát đường thủy nội địa, hỗ trợ quản lý giao thông, đánh giá an toàn và giám sát môi trường. Tuy nhiên, môi trường sông nước thường đặt ra nhiều thách thức do nền cảnh phức tạp, sự tương đồng cao về mặt thị giác giữa các loại tàu thuyền, cũng như sự mất cân bằng tự nhiên của dữ liệu. Trong những điều kiện như vậy, các mô hình tích chập truyền thống thường tập trung vào các vùng nền, điều này có thể dẫn đến các dự đoán không ổn định. Luận văn này nghiên cứu một khuôn khổ học đa nhiệm với cơ chế giám sát không gian theo nhiệm vụ dành cho bài toán phân loại tàu thuyền nội địa, trong đó một mô-đun chú ý tập trung vào tàu thuyền được tích hợp như một thành phần tinh chỉnh đặc trưng. Phương pháp đề xuất kết hợp cơ chế chú ý theo kênh và theo không gian với các nhiệm vụ phụ trợ gồm phân đoạn và hồi quy hộp giới hạn trong quá trình huấn luyện nhằm định hướng việc học đặc trưng vào các vùng liên quan đến tàu thuyền. Các nhiệm vụ phụ trợ này chỉ được sử dụng trong giai đoạn huấn luyện và không làm tăng độ phức tạp trong quá trình suy luận. Một bộ dữ liệu thực tế gồm 7.007 hình ảnh tàu thuyền nội địa được thu thập từ các tuyến đường thủy tại Việt Nam được sử dụng để đánh giá phương pháp. Kết quả thực nghiệm cho thấy cơ chế giám sát không gian theo nhiệm vụ đóng vai trò quan trọng trong việc cải thiện độ ổn định của mô hình phân loại trong các cảnh sông nước có nền phức tạp. Các phân tích ablation và phân tích định tính cũng chỉ ra rằng giám sát không gian là yếu tố đóng góp chính vào việc cải thiện hiệu suất, trong khi việc xử lý nền rõ ràng chủ yếu hỗ trợ khả năng diễn giải của đặc trưng. Những kết quả này làm nổi bật các yếu tố thực tiễn cần xem xét khi triển khai các hệ thống giám sát dựa trên thị giác máy tính trong môi trường đường thủy nội địa phức tạp. Từ khóa: Phân loại tàu thuyền nội địa; Giám sát đường thủy; Học đa nhiệm; Giám sát không gian theo nhiệm vụ; Cơ chế chú ý. Automated vessel classification is an important component of inland waterway monitoring, supporting traffic management, safety assessment, and environmental super vision. Riverine environments, however, pose persistent challenges due to cluttered backgrounds, strong visual similarity between vessel types, and naturally imbalanced data. In such settings, conventional convolutional models often attend to background regions, which can lead to unstable predictions. This paper studies a multi-task learning framework with task-aware spatial supervision for inland vessel classification, in which a boat-focused attention module is incorporated as a feature refinement component. The proposed approach combines channel and spatial attention with auxiliary segmentation and bounding box regression tasks during training to guide feature learning toward vessel-relevant regions. These auxiliary tasks are used only during training and do not increase inference complexity. A real-world dataset of 7,007 inland vessel images collected from Vietnamese waterways is used for evaluation. Experimental results demonstrate that task-aware spatial supervision plays a central role in improving classification robustness in cluttered riverine scenes. Ablation and qualitative analysesfurther indicate that spatial supervision is the primary contributor to performance improvement, while explicit background handling mainly supports feature interpretability. These results highlight practical considerations for deploying computer vision based monitoring systems in complex inland waterway environments. Keywords: Inland vessel classification; Waterway monitoring; Multi-task learning; Taskaware spatial supervision; Attention mechanisms.
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.