XÂY DỰNG PHÂN HỆ CHẤM CÔNG BẰNG KHUÔN MẶT TRONG PHẦN MỀM MÃ NGUỒN MỞ ODOO
Khoá luận tốt nghiệp · Đại học · năm 2022 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Việt Hào |
| Người hướng dẫn | Lưu Tiến Đạo; Nguyễn Văn Kiệt |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2022 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Chấm công là một trong những điều không thể thiếu của các công ty trong thế giới hiện đại ngày nay. Với sự phát triển của khoa học công nghệ hiện đại, chấm công bằng khuôn mặt không còn quá xa lạ với mọi người nữa, nó đã được phổ biến rộng rãi trong rất nhiều công ty từ nhỏ đến lớn, công nghệ này sẽ giúp cho chúng ta có được một hệ thống chấm công “không chạm” an toàn cũng như với độ chính xác rất cao. Mỗi một người sẽ có các đặc điểm riêng trên khuôn mặt và ta có thể sử dụng các phương pháp phân loại hoặc tìm kiếm để nhận diện khuôn mặt, các mô hình học sâu được sử dụng để trích xuất được các đặc điểm đó, từ đó có thể áp dụng phương pháp tìm kiếm để có thể nhận ra một người bằng cách so sánh với các hình ảnh đã có trong cơ sở dữ liệu. Vì thế trong đề tài này nghiên cứu sẽ sử dụng Autofaiss một phương pháp gần giống với phương pháp tìm kiếm hàng xóm gần nhất để tìm kiếm các khuôn mặt được phát hiện từ DNN của OpenCV dựa trên mô hình RestNet SSD và trích xuất đặc trưng bằng mô hình Facenet của Google phát triển. Nghiên cứu và áp dụng các kỹ thuật tiền xử lý, so sánh các mô hình phát hiện khuôn mặt cũng như các mô hình rút trích đặc trưng từ hình ảnh khuôn mặt để lựa chọn ra mô hình tốt nhất, sau đó xây dựng lên Odoo một hệ thống chấm công bằng khuôn mặt từ hệ thống chấm công một cách thủ công có sẵn trên Odoo. Kết quả của nghiên cứu cho ra một cái nhìn tổng quan về tốc độ cũng như độ chính xác các mô hình. Mô hình phát hiện khuôn mặt DNN cho tốc độ nhanh và ổn định nhất qua bài kiểm tra FPS và hộp giới hạn được đưa ra. Mô hình rút trích đặc trưng Facenet cho độ chính xác 84.51% trên bộ dữ liệu VN-Celeb. Đặc biệt là ứng dụng được Autofaiss, một thuật toán Approximate nearest neighbor (ANN) cho tốc độ nhanh hơn 5 lần so với thuật toán KNN truyền thống. Sau đó triển khai một hệ thống chấm công bằng khuôn mặt sử dụng phần mềm mã nguồn mở Odoo.
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 ỨNG DỤNG ANDROID THEO DÕI KẾT QUẢ HỌC TẬP CÁ NHÂN
- HỆ THỐNG GIỚI THIỆU ĐỊA ĐIỂM DU LỊCH TẠI VIỆT NAM
- XÂY DỰNG HỆ THỐNG QUẢN LÝ VÀ KINH DOANH MÁY CHƠI GAME
- XÂY DỰNG HỆ THỐNG QUẢN LÝ TOUR DU LỊCH TRÊN NỀN ANDROID STUDIO KẾT HỢP WEB SERVICES
- NGHIÊN CỨU CÁC PHƯƠNG PHÁP THÁM MÃ CÁC HỆ MÃ ĐỐI XỨNG
- HỆ THỐNG TƯ VẤN TÌM NHÀ Ở TRỰC TUYẾN DỰA VÀO LÁNG GIỀNG GẦN NHẤT
- PHÁT TRIỂN WEBSITE KINH DOANH SẢN PHẨM OCOP TỈNH ĐỒNG THÁP
- PHÁT TRIỂN THUẬT TOÁN PHÂN LOẠI VÀ NHẬN DẠNG LỖI TRÊN SẢN PHẨM ỚT SAU THU HOẠCH
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.