XÂY DỰNG HỆ THỐNG TÌM KIẾM NGƯỜI TRONG ẢNH DỰA TRÊN VĂN BẢN MÔ TẢ
Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Đinh Hữu Thành |
| Người hướng dẫn | Huỳnh Gia Khương |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2026 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Bài toán tìm kiếm người theo mô tả văn bản (Text-based Person Search - TBPS) là một hướng nghiên cứu quan trọng trong lĩnh vực thị giác máy tính, cho phép truy xuất người phù hợp từ ảnh hoặc video dựa trên mô tả bằng ngôn ngữ tự nhiên. Tuy nhiên, phần lớn các mô hình TBPS hiện nay được xây dựng và huấn luyện trên dữ liệu tiếng Anh, dẫn đến hiệu quả còn hạn chế khi áp dụng cho tiếng Việt do sự khác biệt về ngôn ngữ và ngữ nghĩa. Trong luận văn này, một mô hình tìm kiếm người theo mô tả văn bản tiếng Việt được đề xuất dựa trên việc kết hợp bộ mã hóa hình ảnh CLIP với bộ mã hóa ngôn ngữ PhoBERT nhằm học một không gian biểu diễn chung giữa hình ảnh và văn bản. Bên cạnh đó, một nhánh dự đoán thuộc tính (Attribute Head) được tích hợp vào mô hình nhằm khai thác các đặc trưng mô tả như giới tính, màu sắc trang phục, loại quần áo, phụ kiện và các đặc điểm ngoại hình khác. Dữ liệu mô tả được dịch sang tiếng Việt, tiền xử lý và gán nhãn thuộc tính trước khi sử dụng để huấn luyện mô hình. Mô hình sau khi huấn luyện được tích hợp vào hệ thống tìm kiếm người, hỗ trợ đầu vào là ảnh hoặc video, cho phép người dùng tìm kiếm người phù hợp với mô tả bằng tiếng Việt. Mô hình được đánh giá trên tập dữ liệu CUHK-PEDES với các độ đo Recall@1, Recall@5 là các độ đo chính. Kết quả thực nghiệm được sử dụng để so sánh giữa mô hình CLIP cơ sở, mô hình CLIP kết hợp PhoBERT và mô hình đề xuất có bổ sung Attribute Head. Các kết quả đạt được cho thấy tính khả thi của việc kết hợp CLIP và PhoBERT trong bài toán tìm kiếm người theo mô tả văn bản tiếng Việt, đồng thời tạo cơ sở cho việc xây dựng hệ thống tìm kiếm người hỗ trợ cả ảnh và video. Từ khóa: Tìm kiếm người theo mô tả văn bản, Thị giác máy tính, Bộ mã hóa hình ảnh CLIP, Bộ mã hóa ngôn ngữ PhoBERT, Dự đoán thuộc tính. Text-based Person Search (TBPS) is an important research topic in the field of computer vision, aiming to retrieve a target person from images or videos based on natural language descriptions. However, most existing TBPS models are developed and trained using English-language datasets, resulting in limited performance when applied to Vietnamese due to linguistic and semantic differences. In this thesis, a Vietnamese text-based person search model is proposed by combining the CLIP image encoder with the PhoBERT language encoder to learn a shared embedding space between images and text. Furthermore, an Attribute Head is integrated into the model to exploit descriptive attributes such as gender, clothing color, clothing type, accessories, and other appearance-related characteristics. The textual descriptions are translated into Vietnamese, preprocessed, and annotated with attribute labels before the training process. The trained model is then integrated into a person search system that supports both image and video inputs, allowing users to retrieve the person matching a given Vietnamese text description. The proposed model is evaluated on the CUHK-PEDES dataset using Recall@1, Recall@5 as the main evaluation metrics. Experimental results are used to compare the baseline CLIP model, the CLIP-PhoBERT model, and the proposed model incorporating the Attribute Head. The obtained results demonstrate the feasibility of combining CLIP and PhoBERT for Vietnamese text-based person search and provide a foundation for developing person search systems that support both image and video inputs. Keywords: Text-based Person Search, Computer vision, CLIP image encoder, PhoBERT language encoder, Attribute Head.
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
- XÂY DỰNG WEBSITE HỖ TRỢ SINH VIÊN HỌC TẬP CÁC GIẢI THUẬT PHÂN LỚP
- PHÁT TRIỂN THUẬT TOÁN PHÂN LOẠI VÀ NHẬN DẠNG LỖI TRÊN SẢN PHẨM ỚT SAU THU HOẠCH
- NGHIÊN CỨU CHỨC NĂNG GỢI Ý SẢN PHẨM CHO WEBSITE ECOMMERCE
- HỆ THỐNG TƯ VẤN TÌM NHÀ Ở TRỰC TUYẾN DỰA VÀO LÁNG GIỀNG GẦN NHẤT
- ỨNG DỤNG CÔNG NGHỆ IOT XÂY DỰNG VÀ QUẢN LÝ MÔ HÌNH VƯỜN RAU THÔNG MINH
- MẠNG XÃ HỘI TRAVELORY TÍCH HỢP KINH DOANH SẢN PHẨM DU LỊCH
- XÂY DỰNG HỆ THỐNG QUẢN LÝ TOUR DU LỊCH TRÊN NỀN ANDROID STUDIO KẾT HỢP WEB SERVICES
- HỆ THỐNG GIỚI THIỆU ĐỊA ĐIỂM DU LỊCH TẠI VIỆT NAM
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.