CON NGƯỜI ĐẰNG SAU BÀI VIẾT
Đội ngũ LearnDo
Tôn Quang Toại
PhD-cPhó Trưởng khoa Công nghệ Thông tin, HUFLIT
Giảng dạy thị giác máy tính và học sâu với PyTorch. Chương trình kết hợp giải thích kiến trúc, tự viết các thành phần và kiểm chứng trên dữ liệu thực hành.
Một số nghiên cứu liên quan 5 bài báo
2026RoadGraphFormer: Lane-specific local graph refinement for joint drivable-area and lane-line segmentation
Applied Soft Computing
Trong thị giác giao thông, việc xác định vùng xe có thể di chuyển (drivable area) và vạch làn đường (lane line) là hai bài toán quan trọng cho nhận thức môi trường và lập kế hoạch chuyển động. RoadGraphFormer thực hiện đồng thời hai nhiệm vụ này và sử dụng cơ chế tinh chỉnh bằng đồ thị để cải thiện tính liên tục của các vạch làn vốn mảnh, thưa và dễ bị che khuất. Mô hình được đánh giá trên BDD100K, cho thấy khả năng cải thiện nhận diện làn đường trong khi vẫn duy trì độ chính xác cao đối với vùng có thể di chuyển.
DOI: 10.1016/j.asoc.2026.116499 (mở trong thẻ mới)
2026UniPercepNet-S: A Lightweight Dual-Task Framework with Attention Mechanisms for Real-Time Object Detection and Instance Segmentation
Data Technologies and Applications, Vol. 60, No. 2, pp. 367–391.
Mô hình thị giác gọn nhẹ kết hợp cơ chế chú ý để vừa phát hiện đối tượng, vừa phân đoạn từng đối tượng. Nghiên cứu hướng đến xử lý thời gian thực trong xe tự hành và hệ thống thị giác nhúng.
DOI: 10.1108/DTA-08-2025-0745 (mở trong thẻ mới)
2025Cải tiến mô hình YOLOF bằng cơ chế chú ý nhằm nâng cao hiệu suất phát hiện đối tượng
Tạp chí Khoa học HUFLIT, Vol. 9, No. 3.
Ứng dụng cơ chế chú ý để cải thiện cách YOLOF học đặc trưng cho bài toán phát hiện đối tượng, với các thí nghiệm trên MS COCO và BDD100K.
DOI: 10.71091/2354-113X/333 (mở trong thẻ mới)
2022Deep Learning and Mosaic Algorithm: An Efficient Combination for Single Cell Segmentation
IEEE International Conference on Research, Innovation and Vision for the Future (RIVF), pp. 11–16.
Kết hợp học sâu với kỹ thuật tăng cường dữ liệu Mosaic để phân đoạn tế bào đơn - một ứng dụng của thị giác máy tính trong phân tích ảnh y sinh.
DOI: 10.1109/RIVF55975.2022.10013808 (mở trong thẻ mới)
2021Feature Learning and Data Generative Models for Facial Expression Recognition
International Conference on Future Data and Security Engineering (FDSE), pp. 137–151.
Nghiên cứu cách học đặc trưng và sử dụng mô hình sinh dữ liệu cho bài toán nhận dạng biểu cảm khuôn mặt.
DOI: 10.1007/978-3-030-91387-8_10 (mở trong thẻ mới)
Lã Như Hải
PhD-cGiảng viên Khoa Công nghệ Thông tin, Trường HUFLIT
Thông tin khác đang cập nhật.