Luận án Tiến sĩ: Kết hợp xếp hạng đa tạp và học độ đo tương tự cho tra cứu ảnh

Kết hợp Xếp Hạng Đa Tạp và Học Độ Đo Tương Tự cho Tra Cứu Ảnh

Tác giả: Trần Văn Huy

Lĩnh vực: Công nghệ thông tin

Nội dung tài liệu:

Luận án này tập trung vào việc nâng cao hiệu quả của hệ thống tra cứu ảnh dựa trên nội dung (CBIR). Nghiên cứu đề xuất các giải pháp để cải thiện độ chính xác của việc tìm kiếm ảnh bằng cách kết hợp phương pháp xếp hạng đa tạp và tiếp cận học độ đo tương tự. Cụ thể, luận án tập trung vào việc nghiên cứu thuật toán xếp hạng đa tạp hiệu quả, đề xuất kết hợp nhiều bộ xếp hạng hình ảnh dựa trên đặc trưng mức thấp và đặc trưng mức cao. Đồng thời, luận án cũng nghiên cứu và đề xuất xây dựng độ đo tương tự ảnh theo phương pháp học bán giám sát, sử dụng các giá trị xếp hạng EMR để giải quyết bài toán tra cứu ảnh nằm ngoài cơ sở dữ liệu.

Mục lục chi tiết:

• Lời cam đoan
• Lời cảm ơn
• Mục lục
• Danh mục các từ viết tắt và ký hiệu
• Danh mục bảng
• Danh mục hình vẽ
• Mở đầu
• Tính cấp thiết của đề tài
• Mục tiêu của luận án
• Đối tượng nghiên cứu của luận án
• Phạm vi nghiên cứu
• Các đóng góp của luận án
• Bố cục của luận án
• Chương 1: Tra cứu ảnh dựa trên nội dung
• Giới thiệu về tra cứu ảnh dựa trên nội dung
• Đặc trưng ảnh
• Đặc trưng mức thấp của ảnh
• Đặc trưng mức cao của ảnh
• Chuẩn hoá các vector đặc trưng biểu diễn ảnh
• Chuẩn hóa Min-max
• Chuẩn hóa Gauss
• Chuẩn hoá đặc trưng sử dụng phân cụm mờ c-means
• Độ đo khoảng cách, độ đo tương tự ảnh và học các độ đo
• Độ đo khoảng cách, độ đo tương tự ảnh
• Học độ đo tương tự ảnh
• Tiếp cận Deep learning cho học độ đo khoảng cách
• Xếp hạng dựa trên đồ thị với tiếp cận xếp hạng đa tạp
• Xếp hạng đa tạp hiệu quả và vấn đề tra cứu ảnh
• Phương pháp đánh giá hiệu quả trong CBIR
• Một số CSDL thực nghiệm cho tra cứu ảnh
• Kết luận Chương 1
• Chương 2: Phương pháp tra cứu ảnh sử dụng thuật toán kết hợp nhiều bộ xếp hạng đa tạp hiệu quả
• Tiếp cận kết hợp đặc trưng mức thấp và đặc trưng CNN trong mô hình CoEMR đề xuất
• Phát biểu các ràng buộc cho lớp hàm kết hợp xếp hạng
• Kết hợp lựa chọn 2 xếp hạng EMR
• Kết hợp tuyến tính 2 xếp hạng EMR
• Kết hợp luỹ thừa bậc lẻ 2 xếp hạng EMR
• Thực nghiệm và đánh giá kết quả
• Đánh giá hiệu quả của của thuật toán CoEMR
• Kết quả thực nghiệm
• Kết hợp nhiều truy vấn ảnh trong CBIR
• Kết luận Chương 2
• Chương 3: Xây dựng độ đo tương tự ảnh theo các giá trị xếp hạng EMR
• Mô hình học xếp hạng EMR
• Phương pháp xác định tập IC
• Phương pháp xác định tập huấn luyện của EMR learning
• Xây dựng độ đo tương tự S của EMR learning dựa trên tiếp cận học máy hồi quy một đầu ra
• Ước lượng độ tương tự ảnh sử dụng EMR Learning
• Chỉ số đánh giá hiệu quả EMR Learning
• Thực nghiệm và các kết quả
• Môi trường thực nghiệm và huấn luyện EMR Learning
• Các tham số và kết quả thực nghiệm mô hình EMR Learning
• Học xếp hạng với vấn đề nhận dạng nhãn
• Kết luận chương 3
• Kết luận và hướng phát triển
• Danh mục các công trình khoa học có liên quan đến luận án
• Tài liệu tham khảo