ỨNG DỤNG THỊ GIÁC MÁY TÍNH HUẤN LUYỆN THIẾT BỊ BAY KHÔNG NGƯỜI LÁI NHẬN DIỆN CÁC VẬT THỂ CÓ DẠNG HÌNH HỌC CƠ BẢN

jos.hueuni.edu.vn Tập 134, Số 2A, 2025 177 Hình 5. Đồ thị biểu diễn kết quả huấn luyện của mô hình CNN Kết quả mô hình phân loại được thể hiện trong Bảng 2 cho thấy các kết quả sau: - Chỉ số precision đo lường tỷ lệ các dự đoán đúng về một lớp cụ thể trên tổng số các dự đoán của lớp đó. Trong trường hợp này, tất cả các lớp ("circle", "triangle", "rectangle", "pentagon") đều có giá trị precision được làm tròn bằng 1,00 tức là đạt xấp xỉ 100%, nghĩa là tất cả các dự đoán đều đúng cho tất cả các lớp. - Chỉ số recall đo lường tỷ lệ các dự đoán đúng về một lớp cụ thể trên tổng số mẫu thực tế thuộc lớp đó. Tương tự như precision, tất cả các lớp đều có recall bằng 1,00, chỉ ra rằng tất cả các mẫu thực tế của các lớp đều được dự đoán chính xác. - Chỉ số F1-score kết hợp giữa precision và recall và thường được sử dụng để đánh giá hiệu suất của mô hình phân loại. Với precision và recall đạt giá trị 1,00, F1-score cũng sẽ đạt giá trị 1,00 cho tất cả các lớp. - Chỉ số Support thể hiện số lượng mẫu thực tế thuộc mỗi lớp. Trong trường hợp này, các lớp "circle", "triangle", "rectangle", và "pentagon" có số lượng mẫu tương ứng là 19.411, 36.372, 31.990 và 38.952. - Chỉ số Accuracy (độ chính xác tổng thể) là tỷ lệ phần trăm các dự đoán đúng trên tổng số mẫu. Trong Bảng 2, accuracy xấp xỉ 1,00, tức là tất cả các mẫu gần như được dự đoán chính xác.