PHÁT TRIỂN MÔ HÌNH TÌM KIẾM ẢNH DỰA TRÊN CẤU TRÚC KD-TREE

Nội dung tài liệu: PHÁT TRIỂN MÔ HÌNH TÌM KIẾM ẢNH DỰA TRÊN CẤU TRÚC KD-TREE

1. CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc TRÍCH YẾU LUẬN ÁN Tên luận án: Phát triển mô hình tìm kiếm ảnh dựa trên cấu trúc KD-Tree Mã số: 9480101 Ngành: Khoa học máy tính Họ và tên nghiên cứu sinh: Nguyễn Thị Định - Khóa đào tạo: 2021 Chức danh, học vị, họ và tên người hướng dẫn: PGS.TS. Lê Mạnh Thạnh TS. Văn Thế Thành Tên đơn vị đào tạo: Trường Đại học Khoa học, Đại học Huế NỘI DUNG 1. Mục đích nghiên cứu của luận án Mục tiêu của luận án là phát triển mô hình tìm kiếm ảnh tương tự dựa trên cấu trúc dữ liệu KD-Tree kết hợp với đặc trưng ngữ nghĩa của hình ảnh nhằm nâng cao độ chính xác tìm kiếm ảnh. Mục tiêu cụ thể là: (1) nghiên cứu cấu trúc dữ liệu đa chiều KD-Tree; xây dựng các thuật toán thao tác trên KD-Tree tổ chức lưu trữ véc- tơ đặc trưng hình ảnh; (2) phát triển cấu trúc KD-Tree, đồng thời xây dựng và bổ sung đặc trưng ngữ nghĩa cho các bộ dữ liệu thực nghiệm nhằm thực hiện mô hình tìm kiếm ảnh theo tiếp cận ngữ nghĩa; (3) phát triển mô hình tìm kiếm ảnh bằng cách kết hợp các phương pháp học có giám sát, bán giám sát để tạo ra mô hình phân lớp hình ảnh, gom cụm dữ liệu. 2. Các phương pháp, đối tượng nghiên cứu 2.1. Các phương pháp nghiên cứu Phương pháp lý thuyết: (1) Tổng hợp các công trình nghiên cứu liên quan đến tìm kiếm ảnh, quan tâm đến kết quả của các công trình sử dụng học máy, tìm kiếm ảnh theo ngữ nghĩa và các cấu trúc lưu trữ dạng cây. Nghiên cứu phương pháp làm giàu Ontology. (2) Đề xuất mô hình tìm kiếm ảnh theo tiếp cận ngữ nghĩa, đánh giá thực nghiệm, so sánh độ chính xác với các công trình khác. Phương pháp thực nghiệm: (1) Các chương trình được viết bằng ngôn ngữ cấp cao cho các thuật toán trên hệ thống máy có cùng cấu hình. (2) Dữ liệu thực nghiệm là các bộ dữ liệu ảnh chuẩn đã được công bố và sử dụng trong các công trình có kết quả. Trích xuất đặc trưng hình ảnh cho các bộ dữ liệu ảnh: COREL [19], Wang [20], Caltech-101 [12], Caltech-256 [13], phát hiện, phân đoạn ảnh đối tượng và trích xuất véc-tơ đặc trưng cho bộ ảnh đa đối tượng MS-COCO [21], Flickr [22]. (3) Xây dựng cấu trúc dữ liệu, cài đặt các thuật toán thực nghiệm trên
2. các bộ dữ liệu ảnh chuẩn; so sánh kết quả trên cùng bộ dữ liệu với các công trình đã công bố, đồng thời so sánh kết quả thực nghiệm của cùng một bộ dữ liệu trên các mô hình đề xuất để minh chứng tính đúng đắn và hiệu quả của cơ sở lý thuyết. 2.2. Đối tượng nghiên cứu Đối tượng nghiên cứu trong luận án bao gồm: (1) các phương pháp phân cụm và phân lớp dữ liệu; (2) cấu trúc phân cụm dữ liệu đa chiều; (3) cấu trúc Ontology và phương pháp phát triển Ontology; (4) các tập ảnh đơn đối tượng, đa đối tượng. 3. Các kết quả và phát hiện chính của luận án • Xây dựng cấu trúc KD-Tree đa nhánh cân bằng và đề xuất mô hình tìm kiếm ảnh dựa trên cấu trúc KD-Tree; • Cải tiến cấu trúc KD-Tree gồm: (1) cấu trúc iKD_Tree; (2) KD-Tree lồng nhau; (3) đề xuất mô hình tìm kiếm ảnh dựa trên các cải tiến này nhằm nâng cao độ chính xác tìm kiếm ảnh; • Xây dựng rừng ngẫu nhiên (RF KD-Tree), phát triển KD-Tree theo tiếp cận ngữ nghĩa (Re KD-Tree), phát triển Ontology; đề xuất mô hình tìm kiếm ảnh dựa trên sự kết hợp RF KD-Tree, Re KD-Tree và Ontology. 4. Kết luận Luận án đã nghiên cứu các phương pháp tìm kiếm ảnh dựa trên một số cải tiến cấu trúc KD-Tree. Đóng góp chính của luận án là phát triển cấu trúc KD-Tree bằng phương pháp tích hợp mạng Nơ-ron vào mỗi nút trên cây nhằm nâng cao độ chính xác tìm kiếm ảnh. Các đóng góp cụ thể bao gồm: (1) Xây dựng cấu trúc KD-Tree đa nhánh cân bằng và các cải tiến iKD_Tree, KD-Tree lồng nhau; đề xuất mô hình tìm kiếm ảnh dựa trên các cấu trúc này; (2) Phát triển cấu trúc KD-Tree theo tiếp cận ngữ nghĩa; xây dựng rừng ngẫu nhiên; phát triển Ontology cho các tập ảnh thực nghiệm. Đề xuất mô hình tìm kiếm ảnh theo tiếp cận ngữ nghĩa kết hợp Ontology, Re KD-Tree và RF KD-Tree. Luận án thực nghiệm tìm kiếm ảnh tương tự và đánh giá trên một số bộ ảnh COREL, WANG, Caltech-101, Caltech-256, MS-COCO và Flickr. Kết quả thực nghiệm trong luận án có độ chính xác cao hơn một số công trình trước đây. Điều này cho thấy mô hình tìm kiếm ảnh dựa trên các cải tiến cấu trúc KD-Tree có độ chính xác cao hơn một số phương pháp khác, đáp ứng mục tiêu đề ra của luận án. Chữ ký của người hướng dẫn Chữ ký của NCS PGS. TS. Lê Mạnh Thạnh Nguyễn Thị Định