Đây là mô hình AI mình đã tự huấn luyện bằng Teachable Machine.
Mình sẽ trình bày theo 4 ý về phần thực hành này!
1.Hiện trạng của mô hình huấn luyện lúc đầu:
Số lượng dữ liệu: thu thử ~ 205 ảnh / trạng thái
Khả năng dự đoán như sau:
✅ Nhìn thằng: Ổn định khi "Cười".
❌ Nhìn thẳng: Trạng thái dự đoán "Bình thường" hay bị dao động với "Cười".
❌ Nhìn nghiêng: Không dự đoán được cho dù là "Cười".
🔲 Mặt ở xa webcam: Chưa check trong phạm vi lần này.
Đây là video demo của Hiện trạng.
2.Những điểm cải thiện mô hình:
Thu thập thêm dữ liệu góc nhìn nghiêng.
Thu thập thêm dữ liệu có di chuyển vị trí khuôn mặt tới các vùng khác nhau trong khung hình (có thể thấy rằng, đầu của chúng ta không thể cố định tại một điểm trên khung hình được, làm như thế này giúp chúng ta tiến gần hơn môi trường thực tế khi sử dụng)
Số lượng dữ liệu: ~ 640 ảnh / trạng thái.
Đây là video về cách thu thêm dữ liệu.
3.Video demo của mô hình tốt nhất:
Đây là video demo mô hình tốt nhất của mình.
Kết quả dự đoán được cải thiện rõ rệt và đã ổn định hơn về các trạng thái khi nhìn thẳng, nhìn nghiêng.
✅ Nhìn thằng: Ổn định cho 2 trạng thái "Cười" và "Bình thường".
✅ Nhìn nghiêng: Ổn định cho 2 trạng thái "Cười" và "Bình thường".
4.Suy nghĩ cá nhân:
Có thể thấy rằng: Việc thu thập thêm dữ liệu với nhiều khía cạnh như góc, vị trí mặt có ảnh hưởng tới chất lượng của mô hình học tập.
Tuy nhiên, để có thể áp dụng vào các ứng dụng thực tế thì có thể cần thêm những kịch bản để chuẩn bị dữ liệu nhằm cải thiện mô hình cho phù hợp, đa dạng như: Ánh sáng, nhân vật khác (không phải bản thân), quần áo, background (nền sau lưng), ....
Bạn có thể CƯỜI ngay luôn ở đây nhé! 🤭🤭
https://teachablemachine.withgoogle.com/models/is4jLmtUz/