TAILIEUCHUNG - Một phương pháp mới chuẩn hoá dữ liệu và hiệu chỉnh trọng số cho tổ hợp đặc trưng trong tra cứu ảnh theo nội dung

Cấu trúc của bài viết được tổ chức như sau. Phần hai, một số nghiên cứu liên quan sử dụng kết hợp đặc trưng, chuẩn hóa đặc trưng, chuẩn hóa khoảng cách và phản hồi liên quan. Phần ba là đề xuất chuẩn hóa đặc trưng, chuẩn hóa khoảng cách và hiệu chỉnh trọng số dựa vào thông tin phản hồi từ người dùng và học từ dữ liệu. Các kết quả thực nghiệm đưa ra trong phần bốn. Kết luận và hướng nghiên cứu tương lai trong phần năm. | Một phương pháp mới chuẩn hoá dữ liệu và hiệu chỉnh trọng số cho tổ hợp đặc trưng trong tra cứu ảnh theo nội dung Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 15 (35), tháng 6/2016 Một phương pháp mới chuẩn hoá dữ liệu và hiệu chỉnh trọng số cho tổ hợp đặc trưng trong tra cứu ảnh theo nội dung A Novel Method Normalized Data and Refine Weights for Combination Features in Content Based Image Retrieval Vũ Văn Hiệu, Ngô Hoàng Huy, Ngô Quốc Tạo, Nguyễn Hữu Quỳnh Abstract: Relevance feedback as a bridge between và độ đo khoảng cách phù hợp trong các ứng dụng tra high level semantic concepts and low features. It is cứu ảnh theo nội dung cụ thể là rất quan trọng. important to improve the performance of content Chúng tôi đã đề xuất một phương pháp mới chuẩn based image retrieval (CBIR) is preprocessing image hóa dữ liệu, chuẩn hoá khoảng cách và cập nhật tự features and refining distance measures for query động trọng số của độ đo khoảng cách cho mỗi đặc based on user information needs. We propose a novel trưng. Phương pháp này áp dụng cho hệ thống tra cứu method 3 FCM to normilize features and distance ảnh theo nội dung sử dụng phản hồi liên quan và kết for CBIR using combination features. In addition, we hợp nhiều đặc trưng trực quan mức thấp. Phương pháp also use relevant feedback from users and learning này linh hoạt trong việc đánh chỉ số đặc trưng hoặc from low features to update weights distance measures mở rộng thêm các đặc trưng khác mà không cần bất kì and refine query. Experimental results over the thay đổi thuật toán nào. benchmark Corel dataset demonstrate the Cách tiếp cận của chúng tôi đề cập tới các nghiên effectiveness of this propose method. cứu trước đó [1, 19, 35, 43, 46] trên chiến lược: chuẩn Keywords: Content Based Image Retrieval, hoá đặc trưng kết hợp, chuẩn hoá khoảng cách, điều Relevant Feedback, Normalized feature, Normalized chỉnh trọng số dựa vào kiến thức người dùng và

• Kĩ thuật Viễn thông
• Tra cứu ảnh dựa vào nội dung
• Chuẩn hóa dữ liệu
• Hiệu chỉnh trọng số
• Chuẩn hóa khoảng cách
• Kết hợp đặc trưng trong CBIR
• Giảm chiều dữ liệu
• Phân lớp cân bằng
• Ngữ cảnh tập mẫu huấn luyện hạn chế
• Phương pháp tra cứu ảnh IREC
• Phương pháp tra cứu ảnh
• Độ tương tự nhận thức
• Tương tự nhận thức
• Véc tơ đặc trưng
• Điều chỉnh truy vấn
• Phản hồi liên quan
• Truy vấn đa điểm
• Phân cụm phổ
• Tra cứu ảnh sử dụng phân cụm phổ
• Phương pháp SCRF
• Kỹ thuật tra cứu ảnh
• Truy vấn ảnh dựa vào nội dung
• Tra cứu ảnh dựa trên nội dung
• Đặc trưng mức thấp
• Chuẩn hóa đặc trưng mức thấp
• Chất lượng CBIR
• Luận án Tiến sĩ
• Khoa học máy tính
• Kỹ thuật điều chỉnh trọng số
• Công nghệ thông tin
• Phương pháp SRIR
• Học biểu diễn
• Mạng nơron tích chập
• Học đa tạp
• Mô hình học sâu
• Khoa học Công nghệ thông và Truyền thông
• Học độ đo khoảng cách tối ưu
• Hệ thống CBIR
• Phép chiếu tuyến tính
• Máy véc tơ hỗ trợ
• Bộ phân lớp không gian con ngẫu nhiên
• Thuật toán RFRS
• Chiến lược mô phỏng phản hồi liên quan
• Kỷ yếu hội nghị Quốc gia về Điện tử truyền thông
• Kỹ thuật tra cứu ảnh cây dược liệu
• Tính độ tương tự
• Quản lý cây dược liệu
• Luận án tiến sĩ Toán học
• Cơ sở Toán cho Tin học
• Kỹ thuật phân hạng
• Đặc trưng cục bộ
• Chuẩn hóa trong CBIR