Đồ án tốt nghiệp - Xây dựng ứng dụng di động dự đoán văn bản qua hình ảnh dùng mô hình CRNN

Tên môn học: Khóa luận tốt nghiệp

Giá: 83.000đ

Tổng thanh toán:

83.000đ

Người đăng tải:

#10377

Chi tiết tài liệu :

Đồ án tốt nghiệp ngành Công nghệ Kỹ thuật máy tính - Xây dựng ứng dụng di động dự đoán văn bản qua hình ảnh dùng mô hình CRNN - Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE)

Định dạng	PDF
Dung lượng	2.38 MB
Số trang	103
Ngành	CNKT máy tính

Lượt xem	83
Ngày đăng	22/12/2025

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
HỆ ĐÀO TẠO CHẤT LƯỢNG CAO

XÂY DỰNG ỨNG DỤNG DI ĐỘNG DỰ
ĐOÁN VĂN BẢN QUA HÌNH ẢNH DÙNG
MÔ HÌNH CRNN
SVTH: NGUYỄN DƯƠNG TIẾN PHÁT
MSSV: 20119265
THÁI QUỐC HƯNG
MSSV: 20119237

TP. HỒ CHÍ MINH – 12/2024

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH

XÂY DỰNG ỨNG DỤNG DI ĐỘNG DỰ
ĐOÁN VĂN BẢN QUA HÌNH ẢNH DÙNG
MÔ HÌNH CRNN
SVTH: NGUYỄN DƯƠNG TIẾN PHÁT
MSSV: 20119265
THÁI QUỐC HƯNG
MSSV: 20119237
GVHD: PGS.TS VÕ MINH HUÂN

TP. HỒ CHÍ MINH – 12/2024

ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA ĐIỆN – ĐIỆN TỬ

Độc lập – Tự do – Hạnh phúc

Bộ Môn: KTMT - VT

***

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên:

Nguyễn Dương Tiến Phát

MSSV: 20119265

Thái Quốc Hưng

MSSV: 20119237

Ngành: Công nghệ Kỹ thuật Máy tính
Tên đề tài: Xây dựng ứng dụng di động dự đoán văn bản qua hình ảnh dùng mô
hình CRNN
Giáo viên hướng dẫn: PGS.TS Võ Minh Huân
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện (khả năng ứng dụng, tính mới, sáng
tạo, mức độ đóng góp của sinh viên, ....):
Đề tài mang tính ứng dụng cao, tích hợp máy học vào thiết bị di động, sử dụng
Tiếng Việt gần gũi, góp phần phổ biến lĩnh vực. Sinh viên thể hiện sự sáng tạo
và tìm tòi để đóng góp cho đề tài.
2. Hình thức trình bày quyển báo cáo (Văn phong, trích dẫn tài liệu tham khảo,
chất lượng các hình ảnh, bảng biểu, tỷ lệ trùng lắp, ......):
Báo cáo được trình bày rõ ràng, đầy đủ trích dẫn cho nội dung tham khảo.
Hình ảnh chất lượng tốt chú thích rõ các chức năng thông qua hình ảnh và
bảng, tỷ lệ trùng lắp thấp.
3. Những hạn chế cần chỉnh sửa, bổ sung:
4. Đề xuất của GVHD (Đồng ý cho bảo vệ, đề nghị chỉnh sửa để được bảo vệ,
không đồng cho bảo vệ)
Đồng ý cho bảo vệ.
TP. Hồ Chí Minh, ngày 26 tháng 12 năm 2024

GIẢNG VIÊN HƯỚNG DẪN

Võ Minh Huân

i

ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự Do – Hạnh phúc

Tp. HCM, ngày 03 tháng 01 năm 2025
BẢN GIẢI TRÌNH CHỈNH SỬA ĐỒ ÁN TỐT NGHIỆP
NGÀNH: CNKT MÁY TÍNH
1. Tên đề tài: Xây dựng ưng dung di đông dự đoán văn ban qua hinh anh dung mô hinh
CRNN
2. Tên sinh viên: Nguyễn Dương Tiến Phát
Tên sinh viên: Thái Quốc Hưng

MSSV: 20119265
MSSV: 201
...

...
ện tại mà
còn nâng cao tính ứng dụng, mở rộng quy mô và cải thiện hiệu suất của hệ thống.

85

TÀI LIỆU THAM KHẢO
[1]

W. YU, trong Scene Text Recognition Based on Improved CRN, June 28,
2023, pp. 12-14.

[2]

Z. H. K. W. Z. W. Y. W. G. Z. a. X. W. Le Zou, in Text Recognition
Model Based on Multi-Scale Fusion CRNN, August 8, 2023, pp. 1-18.

[3]

P. Bao, in An improved CRNN for Vietnamese Identity Card Information
Recognition, May 10, 2021, pp. 552-553.

[4]

J. Z. A. J. H. A. A. Y. D. O. A. J. S. M. A. F. M. A. L. F. Laith Alzubaidi,
in Review of deep learning: concepts, CNN architectures, challenges,
applications, future directions, School of Computer Science, Queenland
University of Technology,Brisbane, QLD 4000, Australia, 2021, p. 19.

[5]

M. R. G. D. K. R.Yamashita, Convolution layer, in Convolutional
neural networks: an overview and application in radiology, June 22,
2018, pp. 613-614.

[6]

J. Z. A. J. H. A. A. Y. D. O. A. J. S. M. A. F. M. A. L. F. Laith Alzubaidi,
trong Review of deep learning: concepts, CNN architectures, challenges,
applications, future directions, School of Computer Science, Queensland
University of Technology, Brisbane, QLD 4000, Australia, 2021, p. 19.

[7]

A. T. T. S. S. S. K. a. I. B. Susmita Das, Recurrent Neural Networks
(RNNs): Architectures, Training Tricks, and Introduction to Influential
Research, in Machine Learning for Brain Disorders, 2023, pp. 118-119.

[8]

A. T. T. S. S. S. K. a. I. B. Susmita Das, Recurrent Neural Networks
(RNNs): Architectures, Training Tricks, and Introduction to Influential
Research, in Machine Learning for Brain Disorders, 2023, pp. 120-121.

[9]

N. T. Huyen, Viblo, Viblo, 24 June 2021. [Online]. Available:
https://viblo.asia/p/recurrent-neural-network-tu-rnn-den-lstm-

86

gGJ597z1ZX2#_lstm-7. [Accessed 3 12 2024].
[10] R. Native, Getting Started, React Native, n.d.. [Online]. Available:
https://reactnative.dev/docs/getting-started.

[Accessed

10

December

2024].
[11] Flask, Flask Documentation, Flask, n.d.. [Online]. Available:
https://flask.palletsprojects.com/en/stable/.

[Accessed

10

December

(LSTM),

Nttuan8,

2024].
[12] Nttuan8,

Long

Short-Term

Memory

n.d..

[Online].Available:https://nttuan8.com/bai-14-long-short-term-memorylstm/. [Accessed 30 November 2024].
[13] T. OCR, Tesseract Documentation, Tesseract OCR, n.d. [Online].
Available:https://tesseract-ocr.github.io/tessdoc/#introduction. [Accessed
10 December 2024].

87