Kỹ thuật nào được sử dụng để tạo ra các biểu diễn từ dựa trên các mẫu từ xuất hiện cùng nhau trong một kho ngữ liệu lớn?

Câu hỏi yêu cầu xác định một kiến trúc mô hình học sâu được sử dụng trong xử lý ngôn ngữ tự nhiên (NLP).

• A. Rừng ngẫu nhiên: Là một thuật toán học máy thuộc loại supervised learning, thường được sử dụng trong các bài toán phân loại và hồi quy, không phải là kiến trúc mô hình học sâu và ít được sử dụng trực tiếp trong NLP.
• B. Mô hình Markov ẩn: Là một mô hình thống kê, thường được sử dụng trong các bài toán như nhận dạng tiếng nói và phân tích chuỗi, nhưng không phải là một kiến trúc mô hình học sâu.
• C. Transformer: Là một kiến trúc mô hình học sâu mạnh mẽ, đặc biệt hiệu quả trong NLP. Nó dựa trên cơ chế self-attention và đã đạt được những thành công lớn trong nhiều nhiệm vụ NLP khác nhau, như dịch máy, tóm tắt văn bản và trả lời câu hỏi.
• D. Phân đoạn ảnh: Là một nhiệm vụ trong lĩnh vực thị giác máy tính, không liên quan đến NLP.

Do đó, đáp án đúng là C. Transformer.

Kỹ thuật phát hiện cạnh Canny (Canny edge detection) là một thuật toán được sử dụng rộng rãi để phát hiện cạnh trong ảnh. Nó bao gồm các bước lọc nhiễu, tìm gradient cường độ, loại bỏ các điểm không phải cực đại, và ngưỡng hóa kép để xác định và kết nối các cạnh. Các kỹ thuật khác như biến đổi Fourier, cân bằng biểu đồ và làm mờ Gaussian có các ứng dụng khác trong xử lý ảnh, nhưng không phải là phương pháp chính để phát hiện cạnh.

Phân tích:

Câu hỏi này kiểm tra kiến thức về các thuật toán máy học thường được sử dụng trong phân loại hình ảnh.

Giải thích các lựa chọn:

• A. Phân cụm K-mean: Là một thuật toán học không giám sát, thường được sử dụng để nhóm các điểm dữ liệu thành các cụm dựa trên khoảng cách. Không phù hợp cho phân loại hình ảnh trực tiếp.
• B. Cây quyết định: Là một thuật toán học có giám sát, có thể được sử dụng cho phân loại, nhưng thường không hiệu quả bằng CNN cho các tác vụ phân loại hình ảnh phức tạp.
• C. Mạng thần kinh tích chập (CNN): Là một loại mạng thần kinh nhân tạo được thiết kế đặc biệt để xử lý dữ liệu có cấu trúc lưới, chẳng hạn như hình ảnh. CNN có các lớp tích chập có thể tự động học các đặc trưng quan trọng từ hình ảnh, giúp chúng rất hiệu quả cho các tác vụ phân loại hình ảnh.
• D. Máy vectơ hỗ trợ (SVM): Là một thuật toán học có giám sát, có thể được sử dụng cho phân loại. SVM có thể hiệu quả, nhưng thường đòi hỏi nhiều công sức hơn trong việc trích xuất đặc trưng so với CNN, đặc biệt đối với các hình ảnh phức tạp.

Kết luận:

Mạng thần kinh tích chập (CNN) là thuật toán được sử dụng phổ biến và hiệu quả nhất cho phân loại hình ảnh nhờ khả năng tự động học các đặc trưng từ dữ liệu hình ảnh.

Phép chiếu phối cảnh (Perspective projection) là kỹ thuật được sử dụng để chuyển đổi một cảnh 3D thành một hình ảnh 2D, tạo ra cảm giác về chiều sâu và khoảng cách giống như cách mắt người nhìn thế giới thực. Các đường thẳng song song trong không gian 3D sẽ hội tụ tại một điểm ở xa trong hình ảnh 2D. Các lựa chọn khác không liên quan trực tiếp đến việc chuyển đổi 3D sang 2D theo cách này:

• Phép biến đổi affine: Một loại phép biến đổi hình học bảo toàn tính song song và tỷ lệ khoảng cách, nhưng không nhất thiết phải tạo ra hiệu ứng phối cảnh.
• Góc Euler: Được sử dụng để biểu diễn hướng của một vật thể trong không gian 3D, chứ không phải là một phép chiếu.
• Đồng âm: Là một khái niệm trong ngôn ngữ học, không liên quan đến đồ họa máy tính.

Dòng quang (Optical Flow) là kỹ thuật được sử dụng để ước tính chuyển động của các đối tượng hoặc pixel trong một chuỗi các khung hình video hoặc hình ảnh. Nó phân tích sự thay đổi về độ sáng giữa các khung hình liên tiếp để xác định hướng và tốc độ của chuyển động.

So khớp mẫu (Template Matching) là một kỹ thuật tìm kiếm một mẫu nhỏ (template) trong một hình ảnh lớn hơn. Nó có thể được sử dụng để theo dõi các đối tượng, nhưng thường kém hiệu quả hơn dòng quang khi đối tượng thay đổi hình dạng hoặc hướng.

Phát hiện góc Harris (Harris Corner Detection) là một thuật toán để tìm các góc trong một hình ảnh. Các góc là các điểm đặc trưng có thể được sử dụng để theo dõi các đối tượng, nhưng nó không trực tiếp cung cấp thông tin về chuyển động.

Biến đổi tính năng bất biến tỷ lệ (SIFT) là một thuật toán để phát hiện và mô tả các đặc trưng cục bộ trong một hình ảnh. Nó có thể được sử dụng để theo dõi các đối tượng, nhưng thường phức tạp hơn và tốn kém tính toán hơn so với dòng quang.

Do đó, đáp án chính xác nhất là A. Dòng quang.