KHẢO SÁT TOÀN DIỆN VÀ PHÂN TÍCH THỰC NGHIỆM VỀ PHÁT HIỆN BỘ PHẬN XE VÀ PHÂN ĐOẠN THEO ĐỐI TƯỢNG CHO CÁC ỨNG DỤNG Ô TÔ

Tóm tắt

Phát hiện các bộ phận trên xe và phân đoạn từng bộ phận riêng lẻ là những bài toán quan trọng trong nhiều ứng dụng ô tô hiện nay, như kiểm tra xe tự động, hỗ trợ sửa chữa, đánh giá thiệt hại bảo hiểm và các hệ thống giao thông thông minh. So với việc chỉ nhận diện toàn bộ chiếc xe, việc xác định chính xác từng bộ phận nhỏ đòi hỏi các bộ dữ liệu chuyên biệt và những thuật toán vừa chính xác vừa đủ nhanh để vận hành trong thời gian thực. Bài báo này tổng hợp và phân tích một cách có hệ thống các nghiên cứu gần đây về phát hiện và phân đoạn bộ phận xe, đồng thời đánh giá thực nghiệm hiệu năng của các phương pháp tiêu biểu. Các bộ dữ liệu công khai với quy mô và cách gán nhãn khác nhau được xem xét, cùng với đó là so sánh hiệu quả của các mô hình học sâu phổ biến theo hai hướng: mô hình hai giai đoạn và mô hình một giai đoạn. Nghiên cứu tập trung nhiều vào các mô hình phân đoạn gọn nhẹ dựa trên kiến trúc YOLO và các bộ dữ liệu quy mô lớn, vốn rất phù hợp cho triển khai trong thực tế. Kết quả cho thấy các mô hình một giai đoạn có kiến trúc đơn giản nhưng khi được huấn luyện trên dữ liệu đủ lớn và đa dạng vẫn có thể đạt độ chính xác tương đương các mô hình phức tạp hơn, trong khi vượt trội về tốc độ suy luận và hiệu quả tính toán. Ngoài ra, việc kết hợp dữ liệu gán nhãn thủ công với nhãn sinh tự động trong các phương pháp học bán giám sát giúp giảm đáng kể chi phí gán nhãn mà không làm suy giảm chất lượng mô hình. Những kết quả này làm rõ các đánh đổi quan trọng giữa độ chính xác, tốc độ và khả năng mở rộng, đồng thời cung cấp những định hướng hữu ích cho việc xây dựng các hệ thống phát hiện bộ phận xe có tính ứng dụng cao trong môi trường thực tế.