AI

Bài mở đầu series thị giác máy tính: ảnh là dữ liệu số (pixel, kênh RGB, tensor), các bài toán CV chính (phân loại, phát hiện, phân vùng, OCR, nhận diện khuôn mặt), pipeline điển hình, vì sao deep learning cách mạng hoá CV, và bản đồ ứng dụng ngân hàng Việt Nam: eKYC, Document AI, giám sát, chống gian lận giấy tờ — cùng lựa chọn build vs buy và các thách thức.

Nền tảng kỹ thuật CV: biểu diễn ảnh (pixel/kênh/tensor), tiền xử lý & augmentation, đặc trưng thủ công vs học đặc trưng, kiến trúc CNN (convolution, pooling, ResNet) và transfer learning để fine-tune model nhận dạng giấy tờ khi ít dữ liệu nhãn trong ngân hàng.

Ba nhóm bài toán nhận diện thị giác cốt lõi: classification (ảnh này là gì), detection (có gì & ở đâu, bounding box, YOLO vs Faster R-CNN, NMS/IoU/anchor) và segmentation (phân vùng pixel, U-Net/Mask R-CNN). Kèm chỉ số đánh giá (accuracy/F1, mAP), gắn nhãn, transfer learning và bối cảnh chứng từ ngân hàng.

Từ OCR thô (text detection → recognition → hậu xử lý, khó với tiếng Việt có dấu) đến Document AI/IDP: hiểu cấu trúc và trích trường có nghĩa (layout, key-value, table) bằng mô hình multimodal LayoutLM/Donut. Kèm quy trình tự động phân loại → OCR → trích → validate → human-in-the-loop, đo lường CER/WER, build vs buy và ứng dụng eKYC/mở tài khoản/vay ngân hàng.

Phân biệt face detection, verification 1:1 (dùng cho eKYC), identification 1:N và face embedding. Trọng tâm liveness/anti-spoofing chống ảnh, video, mask, deepfake và quy trình eKYC ngân hàng đầu-cuối: giấy tờ, OCR, selfie, liveness, so khớp mặt, đối chiếu nguồn. Kèm độ đo FAR/FRR, ràng buộc NĐ13 về dữ liệu sinh trắc học.

Xu hướng CV hiện đại: dịch từ CNN chuyên biệt sang mô hình lớn/nền tảng. Vision Transformer coi ảnh là chuỗi patch cho self-attention; foundation models tự giám sát (SAM, DINO); multimodal ảnh-text (CLIP zero-shot, captioning, VQA) và Vision-Language Model (GPT-4V/Gemini/Claude vision) đang đổi cách làm Document AI. Ý nghĩa thực tiễn cho ngân hàng ít dữ liệu nhãn.

Đưa mô hình CV vào production với đặc thù ảnh nặng, inference tốn compute và ràng buộc latency. Bài đi từ dữ liệu & annotation (data-centric, active learning), tối ưu inference (quantization, ONNX/TensorRT, batching), serving edge/mobile/cloud (eKYC on-device), tới giám sát drift ảnh, OOD, feedback loop retrain, A/B–shadow và bảo mật ảnh sinh trắc học trong ngân hàng.

Bài tổng kết series: bản đồ use case CV/Document AI trong ngân hàng theo giá trị (eKYC, xử lý tài liệu tự động/IDP, phát hiện gian lận giấy tờ, an ninh giám sát, trích xuất dữ liệu multimodal), kiến trúc tham chiếu, và trọng tâm là ràng buộc tuân thủ: NĐ13 về dữ liệu sinh trắc nhạy cảm, khung eKYC NHNN, fairness/bias, quản trị rủi ro mô hình, chống spoofing, build vs buy và checklist triển khai.