Báo cáo Xây dựng hệ thống điểm danh sinh viên dựa trên nhận diện khuôn mặt sử dụng kỹ thuật deep learning | Môn Thực tập chuyên ngành - Đại học Hải Phòng

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC HẢI PHÒNG BÁO CÁO TỔNG KẾT
THỰC TẬP CHUYÊN NGÀNH NĂM HỌC 2022-2023 ĐỀ TÀI:
XÂY DỰNG HỆ THỐNG ĐIỂM DANH SINH VIÊN DỰA TRÊN
NHẬN DIỆN KHUÔN MẶT SỬ DỤNG KỸ THUẬT DEEP LEARNING
Hải Phòng, tháng 5 năm 2023 lOMoAR cPSD| 59691467
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC HẢI PHÒNG BÁO CÁO TỔNG KẾT
THỰC TẬP CHUYÊN NGÀNH NĂM HỌC 2022-2023 ĐỀ TÀI
XÂY DỰNG HỆ THỐNG ĐIỂM DANH SINH VIÊN DỰA TRÊN
NHẬN DIỆN KHUÔN MẶT SỬ DỤNG KỸ THUẬT DEEP LEARNING
Giảng viên hướng dẫn: TS. ĐÀO THỊ HƯỜNG
Nhóm sinh viên thực hiện: Đỗ Khắc Dương Nguyễn Thị Huyền Nguyễn Tiến Hùng Phạm Khánh Duy Trần Hải Đăng Bùi Thanh Mạnh Linh
Hải Phòng, tháng 5 năm 2023 lOMoAR cPSD| 59691467 MỤC LỤC
MỤC LỤC .................................................................................................................................. 1
DANH MỤC HÌNH ẢNH .......................................................................................................... 2
DANH MỤC TỪ VIẾT TẮT ..................................................................................................... 3
THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI ........................................................... 4
TÓM TẮT .................................................................................................................................. 8
CHƯƠNG 1. GIỚI THIỆU TỔNG QUAN ............................................................................... 9
1.1. Tổng quan tình hình nghiên cứu của đề tài ..................................................................... 9
1.2. Lý do chọn đề tài ............................................................................................................ 11
1.3. Mục tiêu đề tài .............................................................................................................. 12
1.3.1. Mục tiêu tổng quát ................................................................................................. 12
1.3.2. Mục tiêu cụ thể ...................................................................................................... 12
1.3.3. Phương pháp nghiên cứu ....................................................................................... 12
1.4. Đối tượng nghiên cứu ................................................................................................... 12
1.5. Phạm vi nghiên cứu ...................................................................................................... 13
1.6. Vấn đề bài toán ............................................................................................................. 13
1.7. Hướng giải quyết .......................................................................................................... 13
CHƯƠNG 2: CÔNG NGHỆ ÁP DỤNG XÂY DỰNG HỆ THỐNG ...................................... 15
2.1. ReactJS .......................................................................................................................... 15
2.2. Ant Design .................................................................................................................... 15
2.3. Firebase ......................................................................................................................... 16
2.4. Json-Server .................................................................................................................... 16
2.5. SCss ............................................................................................................................... 16 lOMoAR cPSD| 59691467
TÀI LIỆU THAM KHẢO ........................................................................................................ 18 DANH MỤC HÌNH ẢNH
Hình 1: Những cột mốc quan trọng của Deep Learning trong thế kỷ 20...........................11
Hình 2: Những cột mốc quan trọng của Deep Learning trong thế kỷ 21...........................12
Hình 3: Quy trình phân tích của hệ thống.........................................................................16 lOMoAR cPSD| 59691467
DANH MỤC TỪ VIẾT TẮT STT Chữ viết tắt Viết đầy đủ Nghĩa 1 DL Deep Learning Học sâu 2 JSON JavaScript Object Notation 3 ReactJS thư viện JavaScript mã nguồn mở 4 CNTT Công nghệ thông tin Công nghệ thông tin lOMoAR cPSD| 59691467
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC HẢI PHÒNG
THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI 1. Thông tin chung
Tên đề tài: “Xây dựng hệ thống điểm danh sinh viên dựa trên nhận dạng khuôn mặt
sử dụng kỹ thuật Deep Learning”.
Nhóm sinh viên thực hiện: STT Họ và tên MSSV Lớp Khoa Năm thứ 1 Đỗ Khắc Dương 203148201099 CNTT2 CNTT 3 2 Nguyễn Thị Huyền 203148201026 CNTT2 CNTT 3 3 Nguyễn Tiến Hùng CNTT2 CNTT 3 4 Phạm Khánh Duy CNTT2 CNTT 3 5 Trần Hải Đăng CNTT2 CNTT 3 6 Bùi Thanh Mạnh Linh CNTT2 CNTT 3
Giảng viên hướng dẫn: TS. Đào Thị Hường
2. Mục tiêu đề tài 2.1.Về lý thuyết
Tìm hiểu được lịch sử hình thành và phát triển cùng với các kiến thức cơ bản của
Học sâu (Deep Learning), tìm hiểu cơ sở toán học bên dưới của các mô hình. Tìm hiểu các
thư viện học sâu nổi tiếng hiện nay, cách sử dụng thư viện để huấn luyện mô hình và triển
khai xây dựng ứng dụng nhận diện trên nền tảng Web. Nắm rõ kiến thức về kiến trúc CNN,
tìm hiểu các mô hình học sâu nổi tiếng những năm gần đây.
2.2.Về thực nghiệm lOMoAR cPSD| 59691467
Đề tài hướng đến việc xây dựng mô hình huấn luyện và triển khai mô hình trên nền
tảng Web, cho phép nhận diện khuôn mặt từ các ảnh thư viện, từ ảnh chụp và nhận diện thời
gian thực (realtime), dự đoán tên của sinh viên với tốc độ nhận diện và độ chính xác cao và
đưa ra thông tin của sinh viên đó.
3. Giới thiệu đề tài
Hiện nay thị giác máy tính (computer vision) được áp dụng rộng rãi vào trong đời sống
của con người. Một trong những ứng dụng phổ biến nhất của thị giác máy tính đó chính là
nhận diện gương mặt. Mặc dù hiện nay đã có rất nhiều ứng dụng và thiết bị nhận diện gương
mặt xuất hiện trên thị trường, chúng vẫn còn bị hạn chế trong phạm vi sử dụng cũng như
khả năng xử lý và độ hiệu quả chưa đáp ứng được với số tiền đầu tư. Trong bài nghiên cứu
khoa học này sẽ ta cố gắng nghiên cứu và thiết kế xây dựng ra một hệ thống nhận diện
gương mặt có thể linh hoạt đáp ứng được với mọi nhu cầu của người sử dụng và áp dụng
vào được trong nhiều nghành nghề lĩnh vực, nền tảng sử dụng khác nhau.
4. Kết quả nghiên cứu
Xây dựng thành công mô hình – Đề tài đã tiến hành xây dựng, huấn luyện thành công
mô hình Máy học, so sánh các mô hình đã huấn luyện và chọn ra mô hình tối ưu nhất.
Triển khai ứng dụng Web – Sau khi huấn luyện và kết xuất mô hình, sử dụng mô hình đã
kết xuất để xây dựng thành ứng dụng chạy trên nền tảng Web. Xây dựng giao diện và các
chức năng cho ứng dụng. Nhóm chúng tôi đã thử nghiệm ứng dụng điểm danh sinh viên và
nhận về được kết quả tốt, với thời gian nhận diện thấp và độ chính xác cao.
5. Đóng góp về mặt kinh tế - xã hội, giáo dục và đào tạo, an ninh, quốc phòng
và khả năng áp dụng của đề tài:
5.1. Hiệu quả xã hội:
Hệ thống nhận diện khuôn mặt cung cấp cho giảng viên một cách thức đơn giản và
nhanh chóng trong việc điểm danh sinh viên có mặt trong lớp học. Điều này góp phần cải
thiện môi trường học tập, giảng dạy của sinh viên và giảng viên.
5.2.Hiệu quả an ninh: lOMoAR cPSD| 59691467
Có thể sử dụng kết quả nghiên cứu của đề tài, thay đổi tập dữ liệu đầu vào là khuôn
mặt và thông tin của người dân. Khi áp dụng nhận diện thời gian thực của đề tài, ta có thể
tiến hành nhận diện đối tượng người, thực hiện các quản lý về an ninh của doanh nghiệp và tổ chức.
6. Khả năng áp dụng của đề tài:
Kết quả nghiên cứu của đề tài có thể áp dụng rộng rãi trong mọi mặt của đời sống
hay ứng dụng trong các ngành khác. Ví dụ như trong công nghệ sinh học, có thể sử dụng
công nghệ nhận dạng loài hoa thời gian thực để tự động theo dõi tình trạng sức khỏe của
cây hoa, dự đoán thời gian thu hoạch, dự đoán các loại sâu bệnh,…
Ngày tháng năm Sinh viên
chịu trách nhiệm thực hiện đề tài
(ký, họ và tên)
Nhận xét của người hướng dẫn về đề tài (phần này do người hướng dẫn ghi):
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................Ư
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................ lOMoAR cPSD| 59691467
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................
................................................................................................................................................................ Ngày tháng năm
Xác nhận của trường đại học
Người hướng dẫn
(Ký tên và đóng dấu) (Ký, họ và tên) lOMoAR cPSD| 59691467
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC HẢI PHÒNG TÓM TẮT
Trong đề tài nghiên cứu này. Nhóm chúng tôi thực hiện nghiên cứu việc xác định
thông tin của sinh viên dựa trên ảnh chụp một cách tự động hóa bằng công nghệ phần
mềm và khoa học máy tính. Nghiên cứu áp dụng công nghệ Học sâu (Deep learning) vào
việc huấn luyện mô hình để nhận diện gương mặt người. Thực nghiệm mô hình, tiến hành
đánh giá mô hình thông qua các thông số đặc trưng và triển khai thành ứng dụng trên nền tảng Web.
Từ khóa: face recognition, identify student by faces, neural network, computer
vision, nhận diện khuôn mặt, nhận diện sinh viên, tự động hóa, thị giác máy tính. lOMoAR cPSD| 59691467
CHƯƠNG 1. GIỚI THIỆU TỔNG QUAN
1.1. Tổng quan tình hình nghiên cứu của đề tài
Hình 1: Những cột mốc quan trọng của Deep Learning trong thế kỷ 20
Vào đầu những năm 1940, với sự xuất hiện và phát triển mạnh mẽ của thiết bị bán
dẫn, linh kiện điện tử và máy tính đã đặt những nền móng đầu tiên cho sự xuất hiện của trí
tuệ nhân tạo (AI). Tuy nhiên trí tuệ nhân tạo thời gian này vẫn chưa thật sự có ứng dụng
thực tiễn hoặc thành tựu nổi bật nào. Khoảng thời gian từ năm 1960 đến 2000, giới chuyên
gia và các nhà nghiên cứu đã phải trải qua hai mùa đông AI (AI Winter), do sự bế tắc và các
gián đoạn nghiên cứu xảy ra trong khoảng thời gian này. lOMoAR cPSD| 59691467
Hình 2: Những cột mốc quan trọng của Deep Learning trong thế kỷ 21
Sự đột phá bắt đầu từ năm 2006, khi mà Hinton [1] giới thiệu ý tưởng về tiền huấn
luyện không giám sát (unsupervised pre-training) thông qua deep belief nets (DBN). Điểm
nổi bật trong bài báo này là đã tạo ra được một nơron nhân tạo với nhiều lớp ẩn (hidden
layer) thay vì chỉ một lớp như trước đây. Từ thời gian này, neural networks với nhiều lớp
ẩn được gọi với cái tên là Deep Learning. Sự phát triển không ngừng của lĩnh vực trí tuệ
nhân tạo, máy học và học sâu cũng chỉ để nhằm vào mục đích duy nhất, đó là phục vụ cho
nhu cầu lợi ích và cuộc sống của con người. Như giúp thiết bị điện tử nhận diện trắc sinh
học (vân tay, quét võng mạc, nhận diện khuôn mặt, …), giúp dự đoán thời tiết, chẩn đoán
các loại bệnh hay dịch các ngôn ngữ khác nhau. Để phục vụ những công việc phức tạp,
muôn hình vạn trạng của con người, trí tuệ nhân tạo chia ra làm các lĩnh vực để chuyên biệt
hóa như Hệ chuyên gia, Cây ngữ nghĩa, Xử lý ngôn ngữ tự nhiên,
Robotics, Quy hoạch, Thị Giác Máy tính,…
Tuy nhiên, việc nhận diện gương mặt là một vấn đề không hề đơn giản. Gương mặt
mỗi người đều có những đặc trưng riêng biệt, điều này đặt ra các thách thức không nhỏ cho lOMoAR cPSD| 59691467
việc huấn luyện mô hình nhận diện. Do đó, công việc này phải thực hiện bởi phương pháp
học sâu (deep learning), với dữ liệu đầu vào là ảnh gương mặt, được đưa vào mạng CNN
đã được huấn luyện lại bằng các mô hình ResNet, DenseNet và các biến thể, cuối cùng là
so sánh các mô hình với nhau và chọn ra mô hình huấn luyện có độ chính xác cao nhất.
Deep Learning sử dụng các lớp thuật toán để xử lý dữ liệu, hiểu giọng nói của con
người và nhận dạng các đối tượng một cách trực quan. Trong học sâu, thông tin được chuyển
qua từng lớp và đầu ra của lớp trước đóng vai trò là đầu vào cho lớp tiếp theo. Lớp đầu tiên
trong mạng được gọi là lớp đầu vào (input layer), trong khi lớp cuối cùng là lớp đầu ra
(output layer), các lớp ở giữa được gọi là các lớp ẩn (hidden layer). Một điểm đặc biệt khác
của học sâu là khả năng trích xuất đặc trưng, sử dụng một thuật toán để tự động xây dựng
các đặc trưng có ý nghĩa cho việc học tập, đào tạo và hiểu biết trong dữ liệu.
Thế giới hiện đang chứng kiến một cuộc cách mạng AI toàn cầu trên tất cả các lĩnh
vực. Và một trong những yếu tố thúc đẩy cuộc cách mạng AI này là Học sâu. Nhờ những
gã khổng lồ như Google và Facebook, Deep Learning giờ đây đã trở thành một thuật ngữ
phổ biến và mọi người có thể nghĩ rằng đó là một khám phá gần đây, học sâu không xuất
hiện trong một sớm một chiều, đúng hơn nó đã phát triển từ từ và dần dần trong hơn bảy thập kỷ.
1.2. Lý do chọn đề tài
Hiện nay việc nhận diện khuôn mặt đã trở nên cần thiết đối với nhiều ngành nghề, lĩnh
vực khác nhau. Việc xây dựng một hệ thống gương mặt có thể đáp ứng được mọi nhu cầu
sử dụng vẫn đang là một vấn đề nan giải mặt dù đã tồn tại rất nhiều mô hình nhận diện
gương mặt. Để có thể giải bài toán này, ta cần phải thiết kế hệ thống có khả năng linh hoạt
cao cũng như phạm vi ứng dụng lớn để người dùng có thể truy cập và sử dụng ở mọi lúc, mọi nơi. lOMoAR cPSD| 59691467
1.3. Mục tiêu đề tài
1.3.1. Mục tiêu tổng quát
Xây dựng một ứng dụng trên nền tảng Web bằng tiếng Việt, cho phép nhận diện sinh
viên từ các ảnh thư viện, từ ảnh chụp và nhận diện thời gian thực (realtime), sử dụng thư
viện để huấn luyện, dự đoán tên của sinh viên và kết xuất ra tập tin tổng hợp để giảng viên theo dõi và điểm danh.
1.3.2. Mục tiêu cụ thể
Tìm hiểu một số phương pháp Học sâu điển hình, áp dụng thuật toán trên tập dữ liệu đã
thu thập, đánh giá kết quả của hai thuật toán để từ đó chọn lựa được một mô hình phù
hợp với độ chính xác cao để triển khai lên website để người dùng tương tác.
Thu thập hình ảnh và thông tin của sinh viên, với mỗi sinh viên thì thu thập khoảng từ
10-20 bức ảnh để đưa vào quá trình huấn luyện, sau đó thực hiện tiền xử lý hình ảnh để
kết quả dự đoán cao hơn 85%.
Ứng dụng được xây dựng và có thể triển khai tại khoa Công nghệ Thông tin trường Đại
học Hải Phòng để thử nghiệm điểm danh tự động cho các sinh viên trong khoa.
Phạm vi nghiên cứu của đề tài này là phù hợp với trình độ của người thực hiện cũng như
là kết quả mà đề tài mang lại là phù hợp với tình hình thực tế hiện nay.
1.3.3. Phương pháp nghiên cứu
Đề tài này sử dụng một vài phương pháp nghiên cứu nhưng chủ yếu là phương pháp
phân tích và tổng kết kinh nghiệm. Cụ thể là từ những công trình nghiên cứu liên quan đến
đề tài để đề xuất một cách tiếp cận mới trong giải quyết vấn đề đặt ra.
1.4. Đối tượng nghiên cứu
Đối tượng nghiên cứu của đề tài là phương pháp và ứng dụng nhận diện sinh viên từ
khuôn mặt. Trước mắt, chúng tôi sẽ thực hiện nhận diện những sinh viên thuộc lớp
CNTT2.K21 khoa Công nghệ thông tin trường Đại học Hải Phòng. lOMoAR cPSD| 59691467
1.5. Phạm vi nghiên cứu
Đối tượng khảo sát trong đề tài này chỉ giới hạn trong các sinh viên thuộc khoa Công
nghệ thông tin trường Đại học Hải Phòng. Với khoảng 20 sinh viên, với mỗi sinh viên sẽ
thu thập ít nhất 10 hình, tỷ lệ ảnh chụp là 1:1. Thời gian thực hiện đề tài nằm trong tiến độ
nghiên cứu khoa học cấp trường. Nội dung nghiên cứu về lý thuyết sẽ tập trung giới thiệu
Học sâu và các phương pháp Học sâu ở mức tổng quan, sau đó chọn ra các mô hình phù
hợp để triển khai hệ thống nhận diện khuôn mặt.
1.6. Vấn đề bài toán
Hiện nay việc nhận diện khuôn mặt đã trở nên cần thiết đối với nhiều ngành nghề,
lĩnh vực khác nhau. Việc xây dựng một hệ thống khuôn mặt có thể đáp ứng được mọi nhu
cầu sử dụng vẫn đang là một vấn đề nan giải mặt dù đã tồn tại rất nhiều mô hình nhận diện
khuôn mặt. Để có thể giải bài toán này, ta cần phải thiết kế hệ thống có khả năng linh hoạt
cao cũng như phạm vi ứng dụng lớn để người dùng có thể truy cập và sử dụng ở mọi lúc, mọi nơi.
1.7. Hướng giải quyết
Hệ thống nhận diện gương mặt được chia thành hai giai đoạn chính là phát hiện
gương mặt (Face Detection) và nhận diện gương mặt (Face Verifiaction). Mỗi giai đoạn
hiện nay đều có nhiều thuật toán và các mô hình khác nhau. Để lựa chọn được mô hình phù
hợp ta sẽ so sánh dựa trên 3 yếu tố sau: tốc độ xử lý, độ chính xác và độ lớn của mô hình.
Sau khi lựa chọn được mô hình phù hợp và hiệu quả nhất, ta sẽ xây dựng một hệ thống nhận
diện gương mặt theo các mô hình được chọn. Quá trình phân tích của hệ thống có thể được
mô tả theo như hình ở phía dưới: lOMoAR cPSD| 59691467
Hình 3: Quy trình phân tích của hệ thống
Thông qua hệ thống này, ta có thể tạo ra chương trình bất kỳ có sử dụng chức năng
nhận diện khuôn mặt. Trong bài báo cáo sẽ tạo một chương trình chạy trên nền tảng web vì
có độ linh hoạt và khả năng tiếp cận cao hơn so với các nền tảng khác. lOMoAR cPSD| 59691467
CHƯƠNG 2: CÔNG NGHỆ ÁP DỤNG XÂY DỰNG HỆ THỐNG 2.1. ReactJS
ReactJS là một thư viện JavaScript mã nguồn mở được thiết kế bởi Facebook để
tạo ra những ứng dụng web hấp dẫn, nhanh và hiệu quả với mã hóa tối thiểu. Mục đích cốt
lõi của ReactJS không chỉ khiến cho trang web phải thật mượt mà còn phải nhanh, khả năng
mở rộng cao và đơn giản. Sức mạnh của nó xuất phát từ việc tập trung vào các thành phần
riêng lẻ. Chính vì vậy, thay vì làm việc trên toàn bộ ứng dụng web, ReactJS cho phép một
developer có thể phá vỡ giao diện người dùng phức tạp thành các thành phần đơn giản hơn.
ReactJS cho phép các doanh nghiệp tạo ra những ứng dụng web với UI tốt hơn để
nâng cao trải nghiệm người dùng. Đây cũng chính là công nghệ mà các doanh nghiệp cần
để có được lượng tương tác của người dùng, tỉ lệ click cũng như chuyển đổi cao hơn. Hơn
thế, các doanh nghiệp sử dụng ReactJS được đảm bảo có giao diện tốt hơn so với những
doanh nghiệp sử dụng các framework khác bởi ReactJS giúp ngăn chặn việc cập nhật của
DOM giúp ứng dụng nhanh hơn và truyền tải tốt hơn UX. 2.2. Ant Design
Ant Design dành cho giao diện của ứng dụng, nhằm mục đích nhất quán các thông số
giao diện người dùng trên nền tảng dự án nội bộ, giảm chi phí không cần thiết của việc triển
khai ý tưởng và cung cấp nhiều tài nguyên cho việc thiết kế và lập trình front-end.
Ant Design đặc biệt được tạo ra cho các ứng dụng máy tính nội bộ, cam kết trải nghiệm
của người dùng và các nhà thiết kế sản phẩm. Những người thiết kế giao diện và thiết kế
trải nghiệm cho người dùng được gọi chung là thiết kế sản phẩm, Ant Design sẽ xóa bỏ
ranh giới giữa việc quản lý sản phẩm, thiết kế tương tác, thiết kế hình ảnh, phát triển giao
diện và quản trị dữ liệu người dùng. Nhờ việc tận dụng sự đồng nhất về đặc điểm kỹ thuật,
Ant Design đơn giản hóa việc thiết kế và lập trình cho những người đang thực hiện Project,
điều này sẽ giúp họ có thêm nhiều kinh nghiệm và tăng hiệu quả phát triển giao diện của
sản phẩm và ứng dụng. lOMoAR cPSD| 59691467 2.3. Firebase
Firebase là một nền tảng để phát triển ứng dụng di động và trang web, bao gồm các
API đơn giản và mạnh mẽ mà không cần backend hay server. Firebase còn giúp rút ngắn
thời gian triển khai và mở rộng quy mô của ứng dụng.
Firebase là dịch vụ cơ sở dữ liệu hoạt động trên nền tảng đám mây – cloud. Kèm
theo đó là hệ thống máy chủ cực kỳ mạnh mẽ của Google. Chức năng chính là giúp người
dùng lập trình ứng dụng bằng cách đơn giản hóa các thao tác với cơ sở dữ liệu. Cụ thể là
những giao diện lập trình ứng dụng API đơn giản. Mục đích nhằm tăng số lượng người
dùng và thu lại nhiều lợi nhuận hơn. Đặc biệt, còn là dịch vụ đa năng và bảo mật cực tốt.
Firebase hỗ trợ cả hai nền tảng Android và IOS. 2.4. Json-Server
JSON là tên viết tắt của cụm từ JavaScript Object Notation, nó là một kiểu định
dạng dữ liệu tuân theo một quy tắc nhất định mà hầu hết mọi ngôn ngữ lập trình hiện nay
đều có thể đọc được. JSON là một trong những tiêu chuẩn mở giúp trao đổi dữ liệu có trên
website. Nói cách khách, JSON là định dạng giúp lưu trữ các thông tin có cấu trúc và nó
chủ yếu được dùng để truyền tải dữ liệu giữa server và client.
JSON sẽ sử dụng các cặp key-value để dữ liệu có thể sử dụng. Khi đó, nó sẽ hỗ trợ
cho những cấu trúc dữ liệu dạng đối tượng và mảng. Các nhà phát triển thường xuyên sử
dụng JSON để có thể làm việc với AJAX, cách định dạng này sẽ phối hợp hiệu quả với
nhau để có thể nén dữ liệu tải không đồng bộ. Trang web có thể được cập nhật thông tin mà
bạn không cần phải làm mới trang. Đây là quá trình rất dễ thực hiện, và hiện nay thì nhiều
trang web đang áp dụng AJAX, file.Json đã dần trở nên phổ biến hơn. Ngoài ra, nó còn cho
phép người dùng yêu cầu dữ liệu từ nhiều domain khác. 2.5. SCss
SCSS là một chương trình tiền xử lý CSS (CSS preprocessor). Nó giúp viết CSS
theo cách của một ngôn ngữ lập trình, có cấu trúc rõ ràng, rành mạch, dễ phát triển và bảo
trì code hơn. Ngoài ra nó có rất nhiều các thư viện hỗ trợ kèm theo giúp bạn viết code CSS lOMoAR cPSD| 59691467
một cách dễ dàng vào đơn giản hơn. Có rất nhiều loại CSS Preprocessor trong đó bao gồm
SASS, Stylus hay LESS. Sass chương trình tiền xử lý bằng ngôn ngữ kịch bản (Preprocessor
Scripting Language) sẽ được biên dịch thành CSS. Nghĩa là, mình sẽ làm style bằng SASS,
rồi SASS sẽ render việc mình làm thành file CSS. lOMoAR cPSD| 59691467
TÀI LIỆU THAM KHẢO
[1] N. S. Đ. H. Đ. Lạt, "Xây dựng hệ thống điểm danh sinh viên dựa trên khuôn mặt," 2023.
[2] "TOP Dev," [Online]. Available: https://topdev.vn/blog/sass-scss-la-gi/.
[3] I. Navi. [Online]. Available: https://itnavi.com.vn/blog/json-la-gi.
[4] VIBLO. [Online]. Available: https://viblo.asia/p/deep-learning-tim-hieu-ve-mangtich- chap-cnn-maGK73bOKj2.