Họ và tên NCS: Nguyễn Dũng

Tên luận án: Nâng cao hiệu quả nhận dạng đối tượng và hành động từ camera giám sát

Ngành: Khoa học máy tính

Mã số: 9480101

người hướng dẫn: PGS.TS. Hoàng Văn Dũng - TS. Lê Văn Tường Lân

Tên đơn vị đào tạo: Trường Đại học Khoa học, Đại học Huế

Những đóng góp mới của Luận án:

Đề xuất chiến lược gán trọng số thích nghi cho dữ liệu mất cân bằng, tự động điều chỉnh trọng số theo phân bố lớp, giúp cải thiện khả năng học trên các lớp thiểu số mà không cần tinh chỉnh tham số phức tạp; có tính tổng quát cao. Kết quả được công bố trên tạp chí Neurocomputing (SCIE, Q1).

Phát triển mô hình chú ý đa tỷ lệ nhẹ cho phát hiện đối tượng nhỏ trong ảnh UAV và video giám sát. Kiến trúc kết hợp chú ý không gian và chú ý kênh ở nhiều tỷ lệ, đạt cân bằng giữa độ chính xác và chi phí tính toán, phù hợp với thiết bị hạn chế tài nguyên. Kết quả được công bố trên tạp chí IEEE Access (SCIE, Q1).

Đề xuất khung làm việc không gian - thời gian dựa trên dòng quang học để phát hiện hành vi bạo lực của con người trong video giám sát, khai thác hiệu quả thông tin chuyển động kết hợp với đặc trưng không gian theo thời gian.

-------------------------------------

NEW CONTRIBUTIONS OF THE DISSERTATION

Full name of PhD candidate: Nguyen Dung

Dissertation title: Enhancing the Efficiency of Object and Action Recognition from Surveillance Cameras

Major: Computer Science

Code: 9480101

Intake: 2023

Supervisors: Assoc. Prof. Dr. Hoang Van Dung, Dr. Le Van Tuong Lan

Training institution: University of Sciences, Hue University

Content: briefly state the new academic and theoretical contributions and the new findings drawn from the research and survey results of the dissertation.

Proposing a new adaptive weighting strategy for imbalanced data that automatically adjusts class weights according to the class distribution, thereby improving learning on minority classes without complex hyper-parameter tuning; the strategy is highly generalizable. The results were published in Neurocomputing (SCIE, Q1).

Developing a lightweight multi-scale attention model for small-object detection in UAV imagery and surveillance video. The architecture combines spatial and channel attention at multiple scales, achieving a balance between accuracy and computational cost, suitable for resource-constrained devices. The results were published in IEEE Access (SCIE, Q1).

Proposing an optical-flow-based spatio-temporal framework for detecting human violent behaviour in surveillance video, effectively exploiting motion information together with spatial features over time.