Trang chủ / Sản phẩm / Năm 2015 / Sản phẩm: Uit – Vislogorec: Hệ thống phát hiện logo trong ảnh và video hỗ trợ quản lý thương hiệu

Sản phẩm: Uit – Vislogorec: Hệ thống phát hiện logo trong ảnh và video hỗ trợ quản lý thương hiệu

05/10/2015
Sản phẩm: Uit – Vislogorec: Hệ thống phát hiện logo trong ảnh và video hỗ trợ quản lý thương hiệu

Lĩnh vực dự thi: Phần mềm Nội dung dự thi: Sản phẩm CNTT triển vọng Khu vực đăng ký: Miền Nam Đại diện: Phòng thí nghiệm truyền thông đa phương tiện, ĐH Công nghệ thông tin, ĐH Quốc gia TP.HCM Thành viên thứ nhất: Lê Đình Duy Sinh năm: 1974 Địa chỉ: Phòng A.116 Đại […]

Lĩnh vực dự thi: Phần mềm
Nội dung dự thi: Sản phẩm CNTT triển vọng
Khu vực đăng ký: Miền Nam
Đại diện: Phòng thí nghiệm truyền thông đa phương tiện, ĐH Công nghệ thông tin, ĐH Quốc gia TP.HCM

Thành viên thứ nhất: Lê Đình Duy
Sinh năm: 1974
Địa chỉ: Phòng A.116 Đại học Công nghệ Thông tin – ĐHQG TP.HCM, Khu phố 6, Phường Linh Trung, Quận Thủ Đức, TP.HCM

Thành viên thứ hai: Ngô Đức Thành
Sinh năm: 1984
Địa chỉ: Phòng A.116 Đại học Công nghệ Thông tin – ĐHQG TP.HCM, Khu phố 6, Phường Linh Trung, Quận Thủ Đức, TP.HCM

Thành viên thứ ba: Nguyễn Vinh Tiệp
Sinh năm: 1988
Địa chỉ: C4-016 Tổ 7, Khu phố 6, Phường Linh Trung, Quận Thủ Đức, TP. HCM

Thành viên thứ tư: Nguyễn Đình Luận
Sinh năm: 1994
Địa chỉ: 378/1 An Dương Vương, Phường 4, Quận 5, TP. Hồ Chí Minh

Thành viên thứ năm: Trần Minh Triết
Sinh năm: 1979
Địa chỉ: Phòng I82, Trường ĐH Khoa Học Tự Nhiên, ĐHQG TP HCM, 227 Nguyễn Văn Cừ, Phường 4, Quận 5, TP Hồ Chí Minh

Thành viên thứ sáu: Đỗ Văn Tiến
Sinh năm: 1987
Địa chỉ: 86/94 Ông Ích Khiêm, Phường 14, Quận 11, TP Hồ Chí Minh

Hệ thống này được ứng dụng chủ yếu trong lĩnh vực marketing. Với việc số lượng ảnh được chia sẻ trên mạng xã hội hàng ngày khổng lồ (1.8 tỉ ảnh/ngày chủ yếu trên facebook, twitter, instagram, flickr, và tumblr), rất nhiều ảnh trong số đó có chứa nhãn hiệu của sản phẩm, hàng hóa nhưng lại không thể nhận ra được bằng các kĩ thuật tìm kiếm văn bản thông thường; Do đó hệ thống này sẽ giúp tăng cường độ phủ và độ chính xác của các hệ thống hỗ trợ quản lí thương hiệu hiện có.

– Huấn luyện: Cho trước nhãn hiệu cần tìm kiếm, ví dụ logo Nutifood, cùng với tập các ảnh minh họa (khoảng 10-20 ảnh); hệ thống sẽ học cách nhận dạng logo Nutifood.


– Phát hiện, dò tìm (detection): Đầu vào của hệ thống là tập các ảnh (hoặc video), hệ thống sẽ quét qua các ảnh và trả về các vị trí chứa logo cần tìm. Hình 2 minh họa một số kết quả phát hiện logo Nutifood.


– Đặc điểm nổi bật của sản phẩm: đó là có độ chính xác tương đương và thậm chí có lúc nổi trội hơn so với các sản phẩm của các nhóm nghiên cứu hàng đầu khác trên thế giới (ví dụ như trong trường hợp của bộ dữ liệu và câu truy vấn của TRECVID Instance Search 20143). Các công nghệ đã được kiểm chứng trên các tập dữ liệu lớn, truy cập công khai (public datasets), được cộng đồng nghiên cứu trên thế giới thừa nhận trong việc so sánh hiệu suất của các thuật toán.


– Công nghệ dùng trong các sản phẩm: được kế thừa từ các kết quả nghiên cứu mới nhất trên thế giới, đồng thời có thêm các cải tiến do chính chúng tôi thực hiện để tăng độ chính xác. Cụ thể, nhiều thành phần của hệ thống tìm kiếm ví dụ như rút trích đặc trưng cục bộ SIFT4, tạo codebook5, phát hiện đối tượng6, etc đều có sẵn dưới dạng phần mềm mã nguồn mở và đựơc hầu hết các nhóm nghiên cứu sử dụng. Tuy nhiên, việc lựa chọn và tích hợp các phần mềm này thành một ứng dụng hoàn chỉnh, có độ chính xác cao đòi hỏi phải nắm vững các kĩ năng cũng như kiến thức để có thể tinh chỉnh các tham số để có thể đạt kết quả tối ưu. Đây chính là bí quyết công nghệ của từng nhóm.


– Sản phẩm cùng loại: có thể kể đến hệ thống phát triển bởi Ditto Labs7, Kuznech8, và Blinkfire.9