PHÁT TRIỂN MÔ HÌNH HỌC SÂU CHO TRA CỨU THÔNG TIN VẬT PHẨM TRONG GAME BẰNG HÌNH ẢNH

Tóm tắt

Sự phát triển mạnh mẽ của công nghệ thông tin trên thế giới đã thúc đẩy ngành công nghiệp game trở nên phổ biến và đa dạng, mang lại sức hút mạnh mẽ dành cho nhiều người ở các lứa tuổi khác nhau. Nhiều loại game được phát triển một cách mới mẻ; mang lại nhiều cảm giác thú vị, cũng như mang lại tính giải trí cao, hơn nữa có những game tích hợp hoạt động quảng cáo kèm dịch vụ mang lại lợi nhuận lớn như trao đổi, buôn bán các vật phẩm trong game giả lập hay nhập vai. Ngày nay, nhờ vào học sâu, việc nhận dạng vật phẩm đã có những kết quả khả quan và giữ một vị trí quan trọng trong lĩnh vực thị giác máy tính và trí tuệ nhân tạo. Nghiên cứu đề xuất mô hình học sâu MILU_MODEL_1 hỗ trợ tra cứu thông tin vật phẩm trong game bằng hình ảnh có độ chính xác cao nếu không bị nhiễu và cải tiến mô hình thành MILU_MODEL_2 đáp ứng với việc nhận diện vật phẩm có nhiễu. Ứng dụng chạy dựa trên Keras của Tensorflow, một trong những nền tảng mạnh mẽ nhất hiện nay. Việc huấn luyện dựa trên bộ dữ liệu thu thập riêng với các biểu tượng và thông tin cụ thể trích từ dự án game MILU của công ty Grateful Days.