Tra cứu ảnh với phản hồi liên quan sử dụng thuộc tính thưa trong phân tích phân biệt

Bài viết Tra cứu ảnh với phản hồi liên quan sử dụng thuộc tính thưa trong phân tích phân biệt đề xuất phương pháp tra cứu ảnh tra cứu ảnh với phản hồi liên quan sử dụng thuộc tính thưa dòng trong phân tích phân biệt (Linear Discriminant Analysis for Image Retrieval - LDAIR). Phần thực nghiệm cung cấp các kết quả thực nghiệm để minh chứng độ chính xác của phương pháp đề xuất.
Nội dung trích xuất từ tài liệu:
Tra cứu ảnh với phản hồi liên quan sử dụng thuộc tính thưa trong phân tích phân biệt Đào Thị Thúy Quỳnh TRA CỨU ẢNH VỚI PHẢN HỒI LIÊN QUAN SỬ DỤNG THUỘC TÍNH THƯA TRONG PHÂN TÍCH PHÂN BIỆT Đào Thị Thúy Quỳnh Khoa Công nghệ thông tin 1, Học Viện Công Nghệ Bưu Chính Viễn Thông không gian chiếu thấp chiều hơn [3], [5], [4], [8]. Trong Tóm tắt: Trong bài toán tra cứu ảnh theo tiếp cận học không gian chiếu thấp chiều hơn, các kỹ thuật học máy máy cho phân lớp, số chiều của không gian đặc trưng phân lớp được áp dụng để học các khái niệm ngữ nghĩa thường là lớn trong khi số mẫu huấn luyện là rất nhỏ. Vì mức cao. thế, giảm chiều dữ liệu là một khâu quan trọng cho bài toán này. Có nhiều cách tiếp cận cho giảm chiều, tuy nhiên Bài toán tra cứu ảnh với phản hồi liên quan sử dụng không phải cách tiếp cận nào cũng có thể nâng cao hiệu cách tiếp cận phân lớp được thực hiện như sau. Với danh quả tra cứu ảnh. Trong bài báo này, chúng tôi sẽ đề xuất sách kết quả trả về của hệ thống tra cứu ảnh, người dùng phương pháp tra cứu ảnh tra cứu ảnh với phản hồi liên tích chọn một số ảnh là liên quan ngữ nghĩa với ảnh truy quan sử dụng thuộc tính thưa dòng trong phân tích phân vấn (được xem là các mẫu có nhãn dương) và tích một số biệt (Linear Discriminant Analysis for Image Retrieval - ảnh khác là không liên quan ngữ nghĩa với ảnh truy vấn LDAIR). Phần thực nghiệm cung cấp các kết quả thực (được xem là các mẫu có nhãn âm). Với tập huấn luyện nghiệm để minh chứng độ chính xác của phương pháp đề thu được, gồm có hai lớp là âm và dương, một kỹ thuật xuất. phân lớp được áp dụng để thu được mô hình phân lớp. Dựa vào mô hình phân lớp này, hệ thống tra cứu ảnh phân Từ khóa: Tra cứu ảnh dựa vào nội dung, phản hồi liên hạng các ảnh để được tập kết quả tra cứu. Chúng ta thấy quan, giảm chiều dữ liệu rằng, bài toán tra cứu ảnh với phản hồi liên quan có một số I. MỞ ĐẦU vấn đề sau: (1) số các phản hồi của người dùng thường quá nhỏ so với chiều của không gian đặc trưng (2) số các mẫu Tra cứu ảnh dựa vào nội dung (CBIR-Content Based phản hồi dương thường ít hơn số các mẫu âm rất nhiều. Image Retrieval) đã nhận được nhiều sự quan tâm trong Trong bài báo này, chúng tôi đề xuất phương pháp tra cứu thập kỷ qua, do nhu cầu quản lý hiệu quả lượng dữ liệu đa ảnh có giám sát mới, gọi là Linear Discriminant Analysis phương tiện. Đo độ tương tự giữa hai ảnh bởi khoảng cách for Image Retrieval (LDAIR). Phương pháp LDAIR tận Euclidean trong không gian nhiều chiều thường không dụng thông tin của ma trận chiếu phân biệt để giải quyết hiệu quả bởi vì tồn tại một khoảng trống ngữ nghĩa giữa các vấn đề phải đối mặt ở trên. các đặc trưng trực quan mức thấp và các khái niệm ngữ nghĩa mức cao của ảnh. Để giảm khoảng khoảng cách ngữ Phần còn lại của bài báo được tổ chức như sau. Trong nghĩa này, hướng tiếp cận là bao gồm kỹ thuật học máy Phần 2, trình bày chi tiết phương pháp đề xuất. Phần 3 mô phân lớp vào quá trình tra cứu với phản hồi liên quan. Cơ tả các thực nghiệm hiệu năng của chúng tôi và thảo luận chế này cho phép, trong danh sách kết quả trả về, người các kết quả. Cuối cùng, chúng tôi đưa ra kết luận. dùng gán các nhãn dương cho những ảnh tương tự ngữ II. PHƯƠNG PHÁP TRA CỨU ẢNH ĐỀ XUẤT nghĩa với ảnh truy vấn và cũng cho phép người dùng gán các nhãn âm cho các ảnh không tương tự ngữ nghĩa với Khác biệt so với các phương pháp tra cứu ảnh theo tiếp ảnh truy vấn. Các mẫu phản hồi này được sử dụng làm tập cận phân lớp đã có, mà phân lớp trên không gian chiếu, huấn luyện cho kỹ thuật học máy phân lớp. Bởi vì số các LDAIR được thiết kế để tra cứu ảnh mà không bị ảnh mẫu phản hồi thu được là rất nhỏ so với chiều của không hưởng bởi vấn đề số mẫu phản hồi nhỏ hơn so với số chiều gian đặc trưng của dữ liệu ảnh, nó khó có thể thu được mô đặc trưng và sự mất cân bằng giữa mẫu dương và mẫu âm hình học phân lớp tốt. Trong tình huống này, người ta trong tập phản hồi. Phương pháp đề xuất LDAIR có khả thường tìm cách, mà giảm chiều dữ liệu ảnh, để thu được năng phù hợp hơn cho tra cứu ảnh với phản hồi liên quan, nơi mà cỡ lớp thường rất nhỏ. Phương pháp LDAIR có những ưu điểm sau: Tác giả liên hệ: Đào Thị Thúy Quỳnh, Email: quynhdao.ptit@gmail.com LDAIR không đòi hỏi số các mẫu dương phải đủ lớn Đến tòa soạn: 22/9/2021, chỉnh sửa: 31/10/2021, chấp nhận đăng: bởi vì nó có thể cung cấp cơ chế tự động bổ sung mẫu 26/12/2021. dương vào tập huấn luyện. Nó không đòi hỏi phải huấn SỐ 04 (CS.01) 2021 ...