Tóm tắt Luận án Tiến sĩ Khoa học máy tính: Phát triển mô hình tìm kiếm ảnh dựa trên cấu trúc KD-Tree

Tóm tắt Luận án Tiến sĩ Khoa học máy tính "Phát triển mô hình tìm kiếm ảnh dựa trên cấu trúc KD-Tree" được nghiên cứu với mục tiêu là: 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; Phát triển cấu trúc KD-Tree, đồng thời xây dựng và bổ sung ngữ nghĩa cho các bộ dữ liệu thực nghiệm nhằm thực hiện mô hình tìm kiếm ảnh theo tiếp cận ngữ nghĩa.
Nội dung trích xuất từ tài liệu:
Tóm tắt Luận án Tiến sĩ Khoa học máy tính: Phát triển mô hình tìm kiếm ảnh dựa trên cấu trúc KD-Tree ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KHOA HỌC NGUYỄN THỊ ĐỊNH PHÁT TRIỂN MÔ HÌNH TÌM KIẾM ẢNH DỰA TRÊN CẤU TRÚC KD-TREE Ngành: Khoa học máy tính Mã số: 9480101 LUẬN ÁN TIẾN SĨ NGÀNH KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học 1. PGS. TS. Lê Mạnh Thạnh 2. TS. Văn Thế Thành HUẾ, NĂM 2023 Công trình được hoàn thành tại: Khoa Công nghệ Thông tin, Trường Đại học Khoa học, Đại học Huế. Người hướng dẫn khoa học: PGS. TS. Lê Mạnh Thạnh TS. Văn Thế Thành Phản biện 1: PGS. TS. Trần Đăng Hưng, Trường Đại học Sư phạm Hà Nội. Phản biện 2: PGS. TS. Hồ Sỹ Đàm, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Phản biện 3: TS. Hoàng Bảo Hùng, Trung tâm Công nghệ thông tin, tỉnh Thừa Thiên Huế. Luận án sẽ được bảo vệ tại Hội đồng chấm luận án cấp Đại học Huế họp tại: ………………………………………... ……………………………………………………………….. Vào hồi:….giờ….........ngày….........tháng….......năm......... Có thể tìm hiểu luận án tại thư viện: Trung tâm thông tin thư viện, Trường Đại học Khoa học, Đại học Huế. 1 MỞ ĐẦU 1. Tính cấp thiết của luận án Dữ liệu ảnh số được ứng dụng trong một số bài toán như phân loại bệnh nhân qua hình ảnh MRI [75], nhận diện đối tượng bằng hình ảnh [77], v.v. Vì vậy, ảnh số đã trở nên cần thiết và đóng vai trò quan trọng trong lĩnh vực tra cứu thông tin và nhận diện đối tượng bằng hình ảnh. Một cấu trúc dữ liệu lưu trữ được đề xuất đáp ứng nhu cầu gia tăng dữ liệu là cần thiết cho bài toán tìm kiếm ảnh, chẳng hạn như S-Tree [38], C-Tree [52], KD-Tree [84], v.v. Trong luận án, cấu trúc dữ liệu đa chiều KD-Tree được nghiên cứu và xây dựng cho bài toán tìm kiếm ảnh đã mang lại kết quả khả quan, đáp ứng khả năng lưu trữ khi dữ liệu tăng trưởng theo thời gian, phù hợp với dữ liệu véc-tơ đặc trưng hình ảnh, thời gian tìm kiếm ổn định. 2. Tổng quan tình hình nghiên cứu Tìm kiếm ảnh sử dụng các kỹ thuật gom cụm và phân lớp đã mang lại những kết quả khả quan trong thập niên vừa qua; trong đó một số công trình đã sử dụng kết hợp các kỹ thuật học máy k-Means, k-NN, DNN, CNN, v.v [26], [63], [64]. Hầu hết các công trình này đều sử dụng kỹ thuật phân lớp và gom cụm thành các nhóm dữ liệu tương đồng trước khi thực hiện tìm kiếm ảnh. Tuy nhiên, quá trình kết hợp các kỹ thuật học máy cho bài toán tìm kiếm ảnh còn những hạn chế về một số yếu tố như: mở rộng khả năng lưu trữ theo nhu cầu dữ liệu tăng trưởng, giảm thời gian tìm kiếm trên các tập dữ liệu ảnh lớn. Tìm kiếm ảnh theo tiếp cận ngữ nghĩa sử dụng ontology là một hướng tiếp cận đã mang lại nhiều kết quả khả quan trong thập niên vừa qua. Cụ thể như Manzoor và cộng sự (2015) [44] đã đề xuất một phương pháp tìm kiếm ảnh theo ngữ nghĩa dựa trên ontology để truy 2 xuất ngữ nghĩa hình ảnh có liên quan đến nội dung tìm kiếm của người dùng. Olfa Allani và cộng sự (2016) [4] đề xuất một hệ thống tra cứu ảnh tích hợp ngữ nghĩa với các đặc trưng thị giác để xây dựng một ontology cho việc tra cứu và tổ chức các thông tin ngữ nghĩa hình ảnh. Trên cơ sở tổng quan tình hình nghiên cứu và các hướng tiếp cận bài toán tìm kiếm ảnh; một số định hướng được đề xuất và cải tiến nhằm nâng cao độ chính xác cho bài toán tìm kiếm ảnh dựa trên cấu trúc KD-Tree. Cuối cùng, kết hợp KD-Tree và Ontology để tìm kiếm ảnh theo tiếp cận ngữ nghĩa được thực hiện. 3. Mục tiêu của luận án Mục tiêu cụ thể của luận án gồm: (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 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 dựa trên cấu trúc KD-Tree. 4. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: (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 phát triển Ontology; (4) các tập ảnh đơn đối tượng, đa đối tượng. Phạm vi nghiên cứu: (1) các phương pháp học máy: học có giám sát, và bán giám sát; (2) cấu trúc dữ liệu đa chiều KD-Tree; (3) các cải tiến: iKD_Tree, KD-Tree lồng nhau, Re KD-Tree, RF KD-Tree; (4) cấu trúc Ontology và ngôn ngữ truy vấn SPARQL; (5) các tập ảnh COREL, Wang, Caltech-101, Caltech-256, MS-COCO, Flickr. 5. Phương pháp nghiên cứu 3 Phương pháp lý thuyết: (1) Tổng hợp các công trình nghiên cứu liên quan đến tìm kiếm ảnh trong thời gian gần đây, quan tâm đến kết quả của các công trình sử dụng mô hình học máy, tìm kiếm ảnh th ...