Bài viết này trình bày giải pháp xây dựng bộ nhận dạng vật thể thời gian thực giúp thanh toán hàng hóa nhanh. Tác giả sử dụng YOLOv4, TResNet và FAISS lần lượt ở các giai đoạn phát hiện vật thể, trích xuất đặc trưng, phân loại hình ảnh đầu ra. Điều này giúp việc thêm dữ liệu mặt hàng mới mà không phải huấn luyện lại từ đầu so với giải pháp chỉ dùng YOLO. | ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG VOL. 19 NO. 9 2021 31 NGHIÊN CỨU ỨNG DỤNG HỌC SÂU XÂY DỰNG BỘ NHẬN DẠNG VẬT THỂ GIÚP THANH TOÁN HÀNG HÓA NHANH A STUDY ON APPLICATION OF DEEP LEARNING INTO BUILDING AN OBJECT DETECTOR TO SPEED UP RETAIL CHECKOUT Nguyễn Trí Bằng1 Nguyễn Đình Vinh1 Trần Trọng Đức1 1 Trường Đại học Bách khoa Đại học Đà Nẵng Tác giả liên hệ ntbang@ Nhận bài 22 6 2021 Chấp nhận đăng 09 8 2021 Tóm tắt - Hiện nay chưa có nhiều nghiên cứu về ứng dụng học Abstract - Currently there have not been many studies on applying sâu vào mảng nhận dạng thanh toán hàng hóa Hầu hết chỉ nêu ra deep learning to the field of goods checkout detection most of them việc sử dụng YOLO để theo dõi số lượng vật phẩm thay đổi trên just point out the solution of using YOLO to track the change of kệ hàng. Bài báo này trình bày giải pháp xây dựng bộ nhận dạng number of items on shelves. This paper presents a solution to build vật thể thời gian thực giúp thanh toán hàng hóa nhanh. Tác giả sử a real-time object detector to speed up retail checkout progress. The dụng YOLOv4 TResNet và FAISS lần lượt ở các giai đoạn phát author uses YOLOv4 TResNet and FAISS respectively in the hiện vật thể trích xuất đặc trưng phân loại hình ảnh đầu ra. Điều stages of object detection feature extraction and image này giúp việc thêm dữ liệu mặt hàng mới mà không phải huấn classification. Which makes it possible to add new item data luyện lại từ đầu so với giải pháp chỉ dùng YOLO. Bộ nhận dạng without having to completely retrain the model compared to a có một camera được lắp bên trên bàn thanh toán và màn hình hiển YOLO-only solution. The detector has a camera mounted above the thị thông tin hóa đơn. Với kết quả thử nghiệm ban đầu bộ nhận checkout table and a monitor to display the invoice information. dạng có độ chính xác trung bình 94 54 . Thời gian thanh toán Initial experiment results show that our detector has an average nhanh gấp đôi so với quét mã vạch. .
