Luận án tiến sĩ nghiên cứu một số kỹ thuật phân hạng trong tra cứu ảnh dựa vào nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ - VŨ VĂN HIỆU NGHIÊN CỨU MỘT SỐ KỸ THUẬT PHÂN HẠNG TRONG TRA CỨU ẢNH DỰA VÀO NỘI DUNG LUẬN ÁN TIẾN SỸ TOÁN HỌC HÀ NỘI – 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ - VŨ VĂN HIỆU NGHIÊN CỨU MỘT SỐ KỸ THUẬT PHÂN HẠNG TRONG TRA CỨU ẢNH DỰA VÀO NỘI DUNG LUẬN ÁN TIẾN SỸ TOÁN HỌC Chuyên ngành: Cơ sở Toán học cho Tin học Mã số: 62 46 01 10 Người hướng dẫn khoa học: PGS TS Ngô Quốc Tạo PGS.TS Nguyễn Hữu Quỳnh Hà Nội – 2017 LÌi cam oan Tơi xin cam oan lu™n án “Nghiên c˘u mỴt sË kˇ thu™t phõn hĐng tra cu Ênh dáa vo nẻi dung cơng trình nghiên c˘u cıa riêng tơi Các sË liªu, k∏t qu£ ˜Ịc trình bày lu™n án hồn tồn trung th¸c ch˜a t¯ng ˜Ịc cơng bË bòt k mẻt cụng trỡnh no khỏc Tụi ó trớch dđn ảy cỏc ti liêu tham khÊo, cơng trình nghiên c˘u liên quan  n˜Ĩc quậc t NgoĐi tr cỏc ti liêu tham khÊo ny, lu™n án hồn tồn cơng viªc cıa riêng tơi ⌅ Trong cơng trình khoa hÂc ˜Ịc cơng bË lu™n án, tơi ã th∫ hiªn rõ ràng xác óng góp cıa Áng tác gi£ nh˙ng tơi ã óng góp ⌅ Lu™n án ˜Ịc hồn thành thÌi gian tơi làm Nghiên c˘u sinh tĐi Phũng Nhn dĐng v Cụng nghê tri thc, Viªn Cơng nghª thơng tin, Viªn Hàn lâm Khoa hÂc v Cụng nghê Viêt Nam Tỏc giÊ : H Nẻi : i Lèi cÊm ẽn Lun ỏn ềc thác hiên dểi sá hểng dđn khoa hc ca PGS.TS Ngụ Quậc T§o PGS.TS Nguyπn H˙u Qu˝nh Nghiên c˘u sinh xin bày t‰ lịng bi∏t Ïn sâu s≠c ∏n hai Th¶y v∑ ‡nh h˜Ĩng khoa hÂc, nh˙ng hÂc, nh˙ng góp qu bỏu nghiờn cu Cỏc Thảy ó tĐo i∑u kiªn vơ thu™n lỊi st q trình nghiên c˘u cıa Nghiên c˘u sinh Tơi xin ˜Ịc c£m Ïn nhà khoa hÂc, tác gi£ cıa công trình cơng bË ã ˜Ịc trích d®n lu™n án, ây nh˙ng t˜ liªu qu˛, ki∏n th˘c liên quan quan trÂng giúp Nghiên c˘u sinh hoàn thành lu™n án Xin c£m Ïn ∏n nhà khoa hÂc ã ph£n biªn cơng trình nghiên c˘u cıa Nghiên c˘u sinh Tơi trân trÂng c£m Ïn Phịng Nh™n d§ng Cơng nghê tri thc, Phũng quÊn l o tĐo, Viên Cụng nghª thơng tin, HÂc viªn Khoa hÂc Cơng nghª, Viªn Hàn lâm Khoa hÂc Cơng nghª Viªt Nam ó tĐo iu kiên thun lềi cho tụi suật quỏ trỡnh nghiờn cu thác hiên lun ỏn Tụi cng xin c£m Ïn sâu s≠c ∏n HỴi Áng Khoa hÂc Viên Cụng nghê thụng tin, cỏc Thảy Hẻi ng bÊo vê còp cẽ s ó gúp giỳp Nghiờn c˘u sinh hồn thiªn cơng trình lu™n án Tơi cÙng bày t‰ s¸ c£m Ïn sâu s≠c ∏n Khoa Cụng nghê thụng tin, Trèng hc Đi iên Lác, H Nẻi ó tĐo iu kiên cho tụi ềc hc tp, trao Íi nghiên c˘u Tơi xin c£m Ïn Tr˜Ìng §i hÂc H£i Phịng ã t§o i∑u kiªn v∑ thÌi gian v ti chớnh cho tụi thác hiên lun ỏn ny Mẻt phản ca nghiờn cu ny ềc thác hiên khn khÍ ∑ tài nghiên c˘u mã sË CS’15.03 cıa Viªn Cơng nghª Thơng tin, Viªn Hàn lâm Khoa hÂc Cơng nghª Viªt Nam ∑ tài nghiên mã sË VAST01.07/15-16 cıa Viªn Hàn lâm Khoa hÂc Cơng nghª Viªt Nam Xin c£m Ïn trao Íi trÒ giúp cıa thành viên ∑ tài CuËi cùng, tơi xin bày t‰ lịng bi∏t Ïn vơ h§n Ëi vĨi cha mµ, vỊ tồn th∫ anh em gia ình ã ln ıng hỴ, giúp Ơ tơi ii Mˆc lˆc LÌi cam oan i LÌi c£m Ïn ii T¯ vi∏t t≠t v K˛ hiªu tốn hÂc vi Danh mˆc hình v≥ vii Danh mˆc b£ng bi∫u M xi ¶u 1 TÍng quan v∑ Tra cu Ênh dáa vo nẻi dung 1.1 Mẻt sậ ∞c tr˜ng £nh th˜Ìng s˚ dˆng tra c˘u £nh dáa vo nẻi dung 1.1.1 Miêu t£ toàn cˆc 1.1.2 Miêu t£ cˆc bỴ 1.2 TÍ hỊp ∞c tr˜ng tra cu Ênh dáa vo nẻi dung 1.3 Chu©n hố CBIR 1.3.1 Mˆc ích cıa chu©n hố 1.3.2 Chu©n hóa min-max 1.3.3 Chu©n hóa Gauss 1.4 Kho£ng trËng ng˙ nghæa 1.5 Ph£n hÁi liên quan CBIR 1.6 Hiªu chønh trÂng sË d‡ch chuy∫n truy vßn CBIR s˚ dˆng ph£n hÁi liên quan 1.7 Tra c˘u Ênh dáa vo nẻi dung s dng k thut mỏy hc 1.7.1 Huòn luyên v ki∫m tra 1.7.2 Nhãn d˙ liªu 1.7.3 Xây d¸ng mơ hình hÂc 1.8 MỴt sË ti∏p c™n d¸a theo ph˜Ïng pháp tËi ˜u Pareto iii 9 12 13 14 14 16 16 19 21 23 27 27 28 29 33 1.9 Ph˜Ïng pháp ánh giá hiªu n´ng CBIR 34 xuòt chuân hoỏ c trng v hiêu chứnh trng sậ c trng 2.1 Chuân hoỏ c tr˜ng d¸a vào phân cˆm mÌ FCM 2.2 Chuân hoỏ khoÊng cỏch dáa vo phõn cm FCM 2.3 Hiêu chứnh trng sậ, dch chuyn truy vòn 2.3.1 Hiªu chønh trÂng sË 2.3.2 D‡ch chuy∫n truy vßn 2.4 Th˚ nghiªm ánh giá k∏t qu£ 2.4.1 CÏ s d˙ liªu £nh 2.4.2 Trích rút bỴ ∞c tr˜ng k∏t hÒp 2.4.3 Cỏc kt quÊ thác nghiêm v lun giÊi 2.5 K∏t lu™n Ch˜Ïng tÍ hỊp 37 39 45 46 51 52 54 54 55 55 68 ∑ xußt kˇ thu™t Pareto front a m˘c sâu nâng cao hiªu qu£ phân lĨp £nh 3.1 Mẻt sậ tớnh chòt hỡnh thc dáa trờn k thut Pareto front a m˘c sâu khơng gian tÍ hỊp ∞c tr˜ng 3.2 Nâng cao hiªu qu£ phân lĨp £nh 3.3 Th˚ nghiªm ánh giá k∏t qu£ 3.3.1 CÏ s d˙ liªu £nh 3.3.2 Các ph˜Ïng pháp cÏ s 3.3.3 Ph˜Ïng pháp ánh giá 3.3.4 Các k∏t qu£ th¸c nghiªm 3.4 K∏t lu™n Ch˜Ïng 69 73 81 86 86 88 88 89 96 K∏t lu™n h˜Óng phát tri∫n 97 Danh mˆc cơng trình 99 A MỴt sË cÏ s d˙ liªu A.1 Corel A.2 Wang A.3 Caltech 101 A.4 Oxford Building ã công bË £nh s˚ dˆng B Ph¶n m∑m tra c˘u theo ∑ xußt cıa lu™n án iv 111 111 112 113 114 120 T¯ vi∏t t≠t D§ng vit tt DĐng ảy CBIR Din giÊi Content based image retrie- Tra cu Ênh dáa vo nẻi dung val FCM Fuzzy c-means Phân cˆm mÌ c-means HI Histogram Interrsection L˜Ịc Á giao HSV hue, saturation, value màu s≠c, Ỵ bão hồ màu, Ỵ sáng L2R Learning to Rank HÂc xp hĐng MARS Multimedia Analysis and Cỏc thậng phõn tích Retrieval Systems ph˜Ïng tiªn tra c˘u Pr Precision Î xác Re Recall Î hÁi t˜ng RF Relevance feedback RGB red, green, blue SIFT Scale-Invariant Ph£n hÁi liên quan ‰, xanh lá, xanh d˜Ïng Feature Transform SVM Support vector machine v Máy vector hÈ trỊ a K˛ hiªu tốn hÂc Ỵ dài cıa mỴt vector ∞c tr˜ng M N Kích th˜Ĩc cıa cÏ s d˙ liªu £nh T SË bỴ ∞c tr˜ng t Chø sË bỴ ∞c tr˜ng Q, Ii Énh truy vßn £nh th˘ i cẽ s d liêu Ii Vector c trng chuân hoỏ cıa £nh th˘ i I˜it Vector ∞c tr˜ng chu©n hố  bỴ t cıa £nh th˘ i ∞c tr˜ng bỴ t t˜Ïng ˘ng cıa £nh truy vßn Q £nh I bòt k Qt, I t Qit c trng chuân hoỏ bẻ t ca Ênh truy vòn DQt (Ii ), D t (Q, Ii ) Kho£ng cách theo bỴ ∞c tr˜ng t cıa £nh Ii so vÓi £nh truy vßn Q DQ (Ii ), D(Q, Ii ) Kho£ng cách Ênh Ii so vểi Ênh truy vòn Q trờn bẻ ∞c tr˜ng k∏t hÒp top k T™p gÁm k £nh cú th hĐng tẽng tá cao nhòt ậi vểi Ênh truy vòn NB Tp Ênh cú ẻ tẽng tá cao nhòt theo c trng ton cc mẻt tra cu NB T™p £nh ˜Ịc xác nh™n khơng liên quan  ph£n hÁi cıa ng˜Ìi dùng NB + T™p £nh ˜Ịc xác nh™n liên quan  ph£n hÁi cıa ng˜Ìi dùng NBt Tp Ênh cú ẻ tẽng tá cao nhòt theo ∞c tr˜ng  bỴ t mỴt tra c˘u NB Tp Ênh cú th hĐng ẻ tẽng tá cao thc t™p NB c˘u vi mỴt tra NB ⇤ T™p £nh ch˜a ˜Òc tra c˘u (D) Vt,c Tâm cˆm c t™p giá tr‡ kho£ng cách bỴ ∞c tr˜ng t theo FCM Vt (D) T™p tâm cˆm theo bỴ ∞c tr˜ng t Vt,c,j Tâm cˆm c cıa thành ph¶n ∞c tr˜ng j  bỴ ∞c tr˜ng t theo phân cˆm mÌ FCM wt TrÂng sË kho£ng cách cıa bỴ ∞c tr˜ng t p ⌘t,c,i Giá tr‡ Ỵ thc cıa phản t th i bẻ c trng t so vĨi cˆm c, p hª sË FCM (l),NB + t,kIt k ẻ lêch chuân theo ẻ di c trng bẻ c trng t lản lp th l ậi vÓi £nh t™p NB + (l),NB + t (I ) t,DQ i ẻ lêch chuân khoÊng cỏch bẻ ∞c tr˜ng t l¶n l∞p th˘ l Ëi vĨi cỏc Ênh NB + t,c,i ẻ lêch chuân thnh phản j ca bẻ c trng t theo cm c (D) t,c ẻ lêch chuân khoÊng cỏch bẻ c tr˜ng t theo cˆm c vii Danh sách hình v≥ 0.1 0.2 Hê thậng tra cu Ênh dáa vo nẻi dung Hê thậng xuòt 1.1 1.2 1.3 Thnh phản th nhòt ca c trng mụ men màu 15 Phõn bậ d liêu thnh phản ca c tr˜ng mô men màu (gËc) 18 (a) Phân bậ d liêu thnh phản lềc c trng l˜Òc Á HSV (gËc) (b) L˜Òc Á ∞c tr˜ng l˜Òc HSV chuân hoỏ theo lut thnh phản th 5, 97.4555% d˙ liªu “rÏi vào” [-1,1] 18 1.4 1.5 1.6 Énh truy vßn “mandolin image 0001.jpg” Hª thËng tra c˘u vĨi £nh truy vßn “mandolin image 0001.jpg” K∏t qu£ top 20 £nh t˜Ïng t¸ nhòt vểi Ênh truy vòn lản tra cu t§o Hai £nh có ng˙ nghỉa t˜Ïng Áng L˜Òc Á màu cıa £nh truy vßn hai £nh k∏t qu£ top 20 Minh ho§ siêu phØng 1.7 1.8 1.9 2.1 2.2 2.3 2.4 2.5 2.6 2.7 Mô hỡnh thậng xuòt Minh hoĐ chuân hóa FCM Minh hoĐ tớnh chòt bÊo ton th tá cıa chu©n hố FCM Phân bË d˙ liêu gậc thnh phản th nm ca cỏc c tr˜ng (a) L˜Ịc Á màu HSV, (b) l˜Ịc Á t¸ t˜Ïng quan màu, (c) mơ men màu, (d) k∏t cßu Gabor, (e) mô men Wavelet, (f) GIST (a) Phân bË d˙ liªu ∞c tr˜ng lềc HSV (chuân hoỏ ) thnh phản gm 97.45% thuẻc [-1,1] (b) Phõn bậ d liêu c tr˜ng l˜Ịc Á HSV (chu©n hố FCM ) thành phản gm 99.81% thuẻc [-1,1] (a) Phõn bậ d liêu c trng autoCorrelogram (chuân hoỏ ) thnh phản gm 98.02% thuẻc [-1,1] (b) Phõn bậ d liêu c trng autoCorrelogram (chuân hoỏ FCM ) thnh phản gm 99.9955% thuẻc [-1,1] (a) Phân bË d˙ liªu ∞c trng mụ men mu (chuân hoỏ ) thnh phản gm 99.68% thuẻc [-1,1] (b) Phõn bậ d liêu ∞c tr˜ng mơ men màu (chu©n hố FCM ) thnh phản gm 100% thuẻc [-1,1] viii 19 19 20 20 21 32 38 42 43 56 57 57 58 Ph lc A Mẻt sậ cẽ s d liêu Ênh s dng Trong phản ny lun ỏn giểi thiêu mẻt sậ cẽ s d liêu Ênh chuân ó ềc s dng thác nghiêm mẻt sậ cụng trỡnh nghiờn c˘u cıa lu™n án A.1 Corel CÏ s d˙ liªu Corel l mẻt cẽ s d liêu lển ca cỏc £nh chˆp c£nh khác Nó ˜Ịc s˚ dˆng rẻng rói lổnh vác tra cu Ênh dáa vo nẻi dung, so sỏnh dáa trờn cẽ s d liêu ny l ròt khú khn bi vỡ kớch cễ cıa cÏ s d˙ liªu khÍng lÁ nhóm khác s˚ dˆng t™p khác cıa cÏ s d˙ liªu Kích cƠ cıa cÏ s d liêu s dng dao ẻng gia 30000 hª thËng BlobWorld 200000 hª thËng SIMPLIcity [110] Các £nh cÏ s d˙ liªu th˜Ìng có kích cƠ 384 ⇥ 256 ho∞c 256 ⇥ 384 i∫m £nh CÏ s d˙ liªu ˜Ịc ghi chú, nh˜ng sá ghi chỳ ềc lm bi nhiu ngèi v chòt l˜Òng ghi gi˙a £nh cÙng khác Do v™y, khơng có kh£ n´ng s˚ dˆng tr¸c ti∏p ỏnh giỏ hiêu nng Mẻt sậ Ênh vớ d ghi cıa ˜Ịc ˜a Hỡnh A.1 Cỏc hỡnh ny cho thòy cỏc ghi khơng ch≠c ch≠n úng – ây mỴt £nh có s¸ sai sót ghi (“perfomer” thay “performer”) Trong mỴt £nh khác ây mỴt t¯ ˜Ịc vi∏t theo hai cách khác (“grouper”, “growper”) S¸ ghi cho cÏ s d˙ liªu bao gÁm tÍng sË 184988 111 Phˆ lˆc 112 Young Tibetan Addax addax Maca-Plaid Women, Eastern grass tree Skirt people Tibet people wowoman plaid men mountain Market Niger people food Tiger Growper Nevada Falls waHiding In Coral terfall trees rock tiger grouper fish coral Manhattan From New Jersey buildings downtown high-rises The Grand Finale, Winners One And All people stage perfomers Along River market Hình A.1 Các £nh ví dˆ t¯ cÏ s d˙ liªu Corel t¯, 13811 t¯ khác Nh˜ v™y, mÈi £nh trung bình ˜Ịc ghi băng 6.27 t, cỏc t ghi chỳ tậi a l 15 tËi thi∫u Theo ó, cú mẻt t in gản 14000 lểp ú mẩi £nh thành viên cıa trung bình lĨp A.2 Wang Cẽ s d liêu Wang [110] l mẻt cıa cÏ s d˙ liªu Corel gÁm 1000 £nh m ó ềc láa chn th cụng cho mẻt cẽ s d˙ liªu gÁm 10 lĨp, mÈi lĨp 100 £nh Phˆ lˆc 113 Châu Phi bi∫n di tích xe bu˛t khıng long voi hoa hÁng ng¸a núi th˘c ´n Hình A.2 Mẻt Ênh mđu t mẩi lểp ca 10 lểp cıa cÏ s d˙ liªu Wang (xem phˆ lˆc A, Hình A.4 B£ng A.1) Các £nh ˜Ịc phân chia vo 10 lểp m Êm bÊo chc chn ngèi dùng mn tìm £nh khác t¯ mỴt lĨp n∏u truy vòn mẻt 10 lểp ú õy l mẻt lềi th lển ca cẽ s d liêu ny bi s¸ phân lĨp cho có th∫ ánh giá k∏t qu£ tra c˘u MỴt ví dˆ cıa mÈi lĨp có th∫ xem Hình A.2 CÏ s d liêu ny cng ềc s dng cho cỏc thác nghiªm phân lĨp CÏ s d˙ liªu ˜Ịc s˚ dng rẻng rói cho kim nghiêm cỏc c trng khỏc bi kích th˜Ĩc cıa cÏ s d˙ liªu tính kh£ dˆng cıa thơng tin lĨp cho phép sá ỏnh giỏ hiêu nng Cẽ s d liêu ny ềc tĐo bi Wang v cẻng sá v cú th tÊi phớ tĐi õy õy l mẻt t™p cıa cÏ s d˙ liªu Corel, £nh ∑u có kích th˜Ĩc 384 ⇥ 256 ho∞c 256 ⇥ 384 i∫m £nh A.3 Caltech 101 CÏ s d˙ liªu Caltech 101 [26] bao gÁm £nh Ëi t˜Òng theo 101 chı ∑ MÈi chı ∑ có kho£ng 40 ∏n 800 £nh Kích th˜Ĩc mÈi £nh xßp xø 300 ⇥ 200 i∫m £nh (xem phˆ lˆc A, Hình A.3 , B£ng A.2) http://wang.ist.psu.edu Phˆ lˆc A.4 114 Oxford Building CÏ s d˙ liªu Oxford Building [81] bao gÁm 5062 £nh Ỵ phân gi£i cao (1024⇥ 768) t¯ Flickr băng tỡm kim cỏc a danh c th ca Oxford BỴ s˜u t™p ã ˜Ịc thích thı cơng tĐo mẻt ground truth khỏi quỏt cho 11 a danh khác (xem phˆ lˆc A, Hình A.5, B£ng A.3) MÈi ‡a danh truy vßn khác ˜Ịc chÂn, £nh ˜Ịc gán nhãn mỴt bËn kh£ n´ng : (1) Good - £nh µp, rõ ràng Ëi t˜Ịng/tồ nhà (2) OK - hÏn 25% cıa Ëi t˜Ịng nhìn thßy ˜Ịc (3) Junk - hÏn 25% ca ậi tềng ềc nhỡn thòy, hoc cú mẻt mc ẻ ròt cao b che lòp hoc mộo mú (4) Absent - Ëi t˜Ịng khơng ˜Ịc bi∫u diπn SË lản xuòt hiên ca cỏc a danh khỏc ph§m vi 220 £nh Good OK Tp Ênh v nhón ground truth ềc sặn tĐi õy ã Cẽ s d liêu Wang cú ground truth d¸a vào ng˙ nghỉa cıa £nh (xem Hình A.4 v BÊng A.1) ã Cẽ s d liêu Caltech 101 cú mẻt ground truth mc cao, dáa vo nghổa ng˙ nghỉa Các £nh thc mỴt lĨp ˜Ịc xem nh cựng khỏi niêm (xem Hỡnh A.3, BÊng A.2) ã CÏ s d˙ liªu Oxford building s˚ dˆng 55 truy vòn ỏnh giỏ hiêu nng trờn ground truth (xem Hình A.5) Các £nh Good OK ˜Ịc xem nh˜ m®u d˜Ïng, £nh Absent xem nh˜ m®u âm £nh Junk xem nh˜ m®u trËng Nh˙ng m®u trËng ˜Ịc xem nh˜ khơng tÁn tĐi cẽ s d liêu, vy hiêu nng khơng b‡ £nh h˜ng chúng ˜Ịc tr£ v∑ ho∞c không B£ng A.1 Danh sách 10 chı ∑ cıa cÏ s d˙ liªu Wang bi∫n núi Châu Phi th˘c ´n hoa hÁng di tích http://www.flickr.com http://www.robots.ox.ac.uk/~vgg/data/ khıng long voi ng¸a xe bu˛t Phˆ lˆc 115 B£ng A.2 Danh sách 101 chı ∑ cıa cÏ s d˙ liªu Caltech 101 Accordion Camera Electric Ibis Nautilus Soccer ball Inline Octopus Stapler Okapi Starfish Euphonium Kangaroo Pagoda Stegosaurus Background Cellphone Ewer Ketch Panda Stop sign Google Chair Faces Lamp Pigeon Strawberry Barrel Chandelier Faces easy Laptop Pizza Sunflower Bass Cougar Ferry Leopards Platypus Tick Flamingo Llama Pyramid Trilobite Flamingo Lobster Revolver Umbrella Guitar Airplanes Cannon Elephant skate Anchor Car side Emu Joshua tree Ant Ceiling fan body Beaver Cougar face Binocular Crab head Bonsai Crayfish Garfield Lotus Rhino Watch Brain Crocodile Gerenuk Mandolin Rooster Water lilly Gramophone Mayfly Saxophone Wheelchair Grand Schooner Wild cat BrontosaurusCrocodile head Buddha Cup Menorah piano Butterfly Dalmatian Hawksbill Metronome Scissors Windsor chair Dollar bill Headphone Minaret Scorpion Wrench Dolphin Hedgehog Motorbikes Sea horse Yin Yang Dragonfly Helicopter Snoopy Phˆ lˆc 116 B£ng A.3 Danh sách 17 chı ∑ cıa cÏ s d˙ liªu Oxford Buildings All Souls Oxford Ashmolean Balliol Ox- Bodleian Christ Cornmarket Oxford ford Oxford Church Oxford Oxford Hertford Jesus Ox- Keble Ox- Magdalen New Oxford ford ford Oxford ford Oxford Pitt Rivers Radcliffe Trinity Worcester Oxford Camera Oxford Oxford Oxford Ox- Oriel ford Ox- Ph lc Hỡnh A.3 Mẩi mđu cho mẻt ch ∑ sË 101 chı ∑ cÏ s d˙ liªu £nh Caltech 101 117 Phˆ lˆc Hình A.4 Các mđu ca cẽ s d liêu Wang, cỏc ch ng˙ nghæa : bi∫n, Châu Phi, hoa hÁng, khıng long, ng¸a, núi, th˘c ´n, di tích, voi, xe bu˛t MÈi dịng mỴt chı ∑, ví dˆ mÈi chı ∑ £nh t˜Ïng ˘ng t¯ xuËng d˜Ói 118 Phˆ lˆc Hỡnh A.5 Ton bẻ 55 Ênh truy vòn ềc s dˆng ánh giá ground truth MÈi dòng cho bi∏t truy vßn khác cho c£nh ‡a danh Lu sá thay i lển v phĐm vi ca vùng truy vßn thay Íi v‡ trí, ánh sáng, v.v cıa £nh 119 Phˆ lˆc B Phản mm tra cu theo cỏc xuòt ca lun án Hình B.1 khi t§o tra c˘u, Hình B.2, B.3 B.4 k∏t qu£ tra c˘u  l¶n ph£n hÁi th˘ nhßt, th˘ hai th˘ ba thậng xuòt Chẽng Hỡnh B.1 a mẻt Ênh vo thậng tra cu xuòt 120 Phˆ lˆc 121 Hình B.2 K∏t qu£ tra c˘u khi t§o cıa top Hình B.3 K∏t qu£ tra c˘u top 20 20 vịng ph£n hÁi th˘ nhßt Phˆ lˆc 122 Hình B.4 K∏t qu£ tra c˘u top 20 vịng ph£n hÁi th˘ hai Hình B.5 K∏t qu£ tra c˘u top 20 vịng ph£n hÁi th˘ ba Phˆ lˆc 123 Hª thËng ∑ xt  Ch˜Ïng ˜Ịc phát tri∫n thành ˘ng dˆng hồn chønh ∫ mơ t£ q trình tra cu Ênh dáa vo nẻi dung, Hỡnh B.6 tĐo tra cu mẻt Ênh trờn thậng xuòt, Hỡnh B.7 k∏t qu£ top 20 £nh liên quan nhßt vểi truy vòn lản tra cu tĐo Cỏc Hình B.8, B.9, B.10, B.11 k∏t qu£ top 20 £nh liên quan nhßt vĨi £nh truy vßn ã ˜Ịc hiêu chứnh ẻ tẽng tá vểi sá dch chuyn truy vòn dáa vo ỏnh giỏ ca ngèi dựng v s dˆng t™p ˘ng viên Pareto  vòng ph£n hÁi th˘ nhßt, th˘ hai, th˘ ba th˘ t˜ t˜Ïng ˘ng Hỡnh B.6 a vo thậng mẻt truy vòn Hỡnh B.7 K∏t qu£ tra c˘u khi t§o top 20 Phˆ lˆc 124 Hình B.8 K∏t qu£ tra c˘u top 20 vịng ph£n hÁi th˘ nhßt Hình B.9 K∏t qu£ tra c˘u top 20 vịng ph£n hÁi th˘ hai Hình B.10 K∏t qu£ tra c˘u top 20 vòng ph£n hÁi th˘ ba Phˆ lˆc 125 Hình B.11 K∏t qu£ tra c˘u top 20 vòng ph£n hÁi th˘ t˜