Do nỗ lực và chi phí liên quan đến dữ liệu ghi nhãn, bộ dữ liệu đào tạo được có kích thước hạn chế, trong khi ngược lại, các hệ thống hồ sơ y tế điện tử chứa một số lượng đáng kể các hình ảnh không được dán nhãn. Học tập bán giám sát các thuật toán tạo thành phương pháp học máy thích hợp để khai thác kiến thức ẩn trong dữ liệu không được gắn nhãn với thông tin phân loại của dữ liệu được gắn nhãn để xây dựng bộ phân loại mạnh mẽ và hiệu quả. Trong công việc này, chúng em sử dụng thuật toán CNN EfficientNet để phân loại các bệnh mắt.
Chương 1. Tổng quan về CNN EfficientNet, áp dụng vào phân loại bệnh mắt. , giới thiệu một số hướng tiếp cận, ưu nhược điểm của các hướng tiếp cận, khó khăn và thách thức. Cuối cùng là hướng giải quyết.
Chương 2. Cơ sở lý thuyết. Trình bày cơ sở lý thuyết của đề tài gồm: Tổng quan về Machine Learning(ML), Tổng quan về Deep Learning(DL), Mạng Convolutional Neural Network (CNN), Tensorflow, ngôn ngữ lập trình Python, giới hạn tương phản AHE(CLAHE).
Chương 3. Xây dựng ứng dụng. Trình bày cách xây dựng mô hình cụ thể cho bài toán và ứng dụng vào phân loại các bệnh về mắt dựa trên ảnh chụp hốc mắt.
Chương 4. Trình bày kết quả thực nghiệm. Trình bày kết quả thực nghiệm và hướng phát triển của đề tài
.jpg "tour du lich")
.png "DANH SÁCH ĐỀ TÀI ĐỒ ÁN")
.png "TÌM HIỂU NGÔN NGỮ RUBY VÀ XÂY DỰNG WEBSITE QUẢN LÝ TIN BÌNH LUẬN VỀ CÁC THIẾT BỊ ĐƯỢC BÁN TRONG CỬA HÀNG ĐIỆN MÁY XANH")
.png "TÌM HIỂU NGÔN NGỮ RUBY VÀ XÂY DỰNG WEBSITE QUẢN LÝ TIN BÌNH LUẬN VỀ CÁC THIẾT BỊ ĐƯỢC BÁN TRONG CỬA HÀNG")
_00014.jpg "Xây dựng ứng dụng bán sách")
_00010.jpg "XÂY DỰNG WEBSITE QUẢN LÝ VÀ ĐẶT HÀNG CHO CÔNG TY NHỰA DUY THÀNH")
_00022.jpg "328.Tìm hiểu cơ chế đăng nhập một lần và thử nghiệm với Keycloak")
