1. Trang chủ
  2. » Luận Văn - Báo Cáo

LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot

75 425 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 75
Dung lượng 2,78 MB

Nội dung

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lê Thị Kim Dung MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ thông tin HÀ NỘI - 2010 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lê Thị Kim Dung MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ thông tin Cán bộ hướng dẫn: PGS.TS Hà Quang Thụy Cán bộ đồng hướng dẫn: Th.s Nguyễn Cẩm Tú HÀ NỘI - 2010 Lời cảm ơn Trước tiên, tôi xin gửi lời cảm ơn lòng biết ơn sâu sắc nhất tới Phó Giáo sư Tiến sĩ Hà Quang Thụy Thạc sĩ Nguyễn Cẩm Tú, người đã tận tình chỉ bảo hướng dẫn tôi trong suốt quá trình thực hiện khoá luận tốt nghiệp. Tôi chân thành cảm ơn các thầy, cô đã tạo những điều kiện thuận lợi cho tôi học tập nghiên cứu tại trường Đại học Công nghệ. Tôi cũng xin gửi lời cảm ơn tới các anh chị các bạn sinh viên trong nhóm “Khai phá dữ liệu” đã giúp tôi rất nhiều trong việc hỗ trợ kiến thức chuyên môn để hoàn thành tốt khoá luận. Cuối cùng, tôi muốn gửi lời cảm vô hạn tới gia đình bạn bè, những người thân yêu luôn bên cạnh động viên tôi trong suốt quá trình thực hiện khóa luận tốt nghiệp. Tôi xin chân thành cảm ơn! Sinh viên Lê Thị Kim Dung Tóm tắt Sự tăng không ngừng về lượng ảnh trên Web tạo nguồn ảnh phong phú đáp ứng được nguồn cung ảnh cho nhu cầu của con người. Mặc dù một số máy tìm kiếm ảnh đã ra đời đáp ứng phần nào nhu cầu tìm kiếm ảnh, song nâng cao chất lượng tìm kiếm luôn là vấn đề được đặt ra. Bài toán xếp hạng ảnh là bài toán cốt lõi của các máy tìm kiếm ảnh nâng cao chất lượng xếp hạng ảnh đã đang nhận được sự quan tâm đặc biệt. Đầu tiên, khóa luận khảo sát các thuật toán tính hạng ảnh, đặc biệt là VisualRank [39] theo độ đo tương đồng giữa các ảnh được tính theo các đặc trưng nội dung văn bản nội dung hiển thị. Sau đó, khóa luận đề xuất một mô hình hệ thống tìm kiếm ảnh lớp trên (image meta-search engine [18] [11]), trong đó sử dụng thuật toán nói trên làm thành phần xếp hạng ảnh. Hệ thống tìm kiếm ảnh này sử dụng mộtsở dữ liệu lưu trữ các câu truy vấn các ảnh tương ứng với chúng như một giải pháp nhằm rút ngắn thời gian đáp ứng yêu cầu truy vấn. Đồng thời, hệ thống sử dụng một bộ từ điển dùng trong việc hỗ trợ các truy vấn dạng tiếng Việt. Thực nghiệm do khóa luận tiến hành bước đầu đã thu được những kết quả tương đối khả quan, độ chính xác của hệ thống khi áp dụng thuật toán với đặc trưng văn bản đặc trưng hiển thị đạt 81.2%. Trong phạm vi các thử nghiệm của khóa luận, kết quả này là tốt hơn so với hai máy tìm kiếm ảnh lớn là Google Yahoo đã khẳng định được tính khả thi của mô hình. Mục lục Mở đầu 1 Chương 1. Khái quát về các thuật toán tính hạng 3 1.1. Giới thiệu về bài toán tính hạng 3 1.2. Tính hạng trang Web 4 1.2.1. Tính hạng theo liên kết 4 1.2.2. Tính hạng định hướng ngữ cảnh 15 1.3. Tính hạng thực thể 17 1.4. bộ về tính hạng ảnh 18 1.5. Một số công trình nghiên cứu liên quan 20 Tóm tắt chương một 22 Chương 2. Một số thuật toán tính hạng ảnh phổ biến 23 2.1. Giới thiệu 23 2.2. VisualRank 23 2.3. Multiclass VisualRank 26 2.4. Visual contextRank 28 2.5. Nhận xét 32 Tóm tắt chương hai 32 Chương 3. Mô hình máy tìm kiếm ảnh lớp trên 34 3.1. Kiến trúc chung của máy tìm kiếm lớp trên 34 3.1.1. Giao diện người dùng 35 3.1.2. Bộ điều vận 35 3.1.3. Bộ xử lý kết quả 36 3.1.4. Mô đun tính hạng 36 3.2. Mô hình máy tìm kiếm ảnh lớp trên MetaSEEk 37 3.2.1. Truy vấn trực quan dựa trên nội dung 38 3.2.2. Giao diện truy vấn 38 3.2.3. Bộ điều vận 40 3.2.4. Thành phần hiển thị 42 3.2.5. Đánh giá 43 3.3. Xếp hạng ảnh trong máy tìm kiếm ảnh lớp trên 43 Tóm tắt chương ba 45 Chương 4. Thử nghiệm 46 4.1. Mô hình thử nghiệm 46 4.1.1. Cách tiếp cận 46 4.1.2. Mô hình đề xuất các thành phần trong mô hình 47 4.2. Môi trường các thành phần trong hệ thống phần mềm 50 4.2.1. Cấu hình phần cứng 50 4.2.2. Các thành phần trong hệ thống phần mềm 50 4.3. Xây dựng tập dữ liệu 52 4.3.1. Tập truy vấn 52 4.3.2. Tập máy tìm kiếm nguồn 53 4.3.3. Từ điển 53 4.4. Quy trình, các phương án thử nghiệm 53 4.5. Kết quả thử nghiệm đánh giá 54 Kết luận 60 Tài liệu tham khảo 62 Danh sách các bảng Bảng 1. Ví dụ về bản ghi của một ảnh trongsở dữ liệu 42 Bảng 2. Cấu hình phần cứng sử dụng trong thực nghiệm 50 Bảng 3. Một số phần mềm sử dụng 50 Bảng 4. Một số thư viện sử dụng 50 Bảng 5. Độ chính xác trung bình trên 35 truy vấn 56 Danh sách hình vẽ Hình 1. Mô tả tính chất authority hub 13 Hình 2. Mở rộng tập cơ sở T từ tập nhân S 14 Hình 3. Một mô hình học xếp hạng trong máy tìm kiếm thực thể 18 Hình 4. Một minh họa về đồ thị độ tương đồng của ảnh 24 Hình 5. Biến đổi ma trận kề 27 Hình 6. Kết quả xếp hạng của 3 phương pháp với truy vấn “Notre Dame” 28 Hình 7. Mô hình xếp hạng ảnh sử dụng thuật toán ContextRank 29 Hình 8. Một ví dụ về biểu diễn visual words 32 Hình 9. Kiến trúc của một máy tìm kiếm lớp trên điển hình 34 Hình 10. Một thiết kế của bộ điều vận 35 Hình 11. Kiến trúc tổng thể của MetaSEEk 37 Hình 12. Giao diện hiển thị của MetaSEEk 39 Hình 13. Cấu trúc phân cấp của cơ sở dữ liệu 42 Hình 14. Mô hình đề xuất 48 Hình 15. Giao diện của chương trình 52 Hình 16. Biểu đồ so sánh độ chính xác trung bình giữa các hệ thống 57 Hình 17. Biểu đồ độ chính xác mức K của một số truy vấn tiếng Việt 58 Hình 18. 10 kết quả đầu tiên của truy vấn “sun” trong các máy tìm kiếm 59 Danh sách các từ viết tắt CSDL Cơ sở dữ liệu AP Average Precision Google CSE Google Custom Search Engine HIST Hypertext Induced Topic Search MAP Mean Average Precision SIFT Scale Invariant Feature Transform Danh sách các thuật ngữ STT Thuật ngữ tiếng Anh Nghĩa tiếng Việt 1 Content-based Image Ranking Xếp hạng ảnh dựa trên nội dung hiển thị 2 Content-based visual query Truy vấn trực quan dựa trên nội dung hiển thị 3 Display interface Thành phần hiển thị 4 Edge Cạnh 5 Image tag Thẻ ảnh 6 Inter-image Context Modeling Mô hình ngữ cảnh ngoại ảnh 7 Intra-mage Context Modeling Mô hình ngữ cảnh nội ảnh 8 Local features Các thuộc tính cục bộ 9 Offline Ngoại tuyến 10 Online Trực tuyến 11 Performance database Cơ sở dữ liệu hiệu suất 12 Performance score Điểm số hiệu suất 13 Query dispatcher Bộ điều vận truy vấn 14 Query translator Bộ dịch truy vấn 15 Random surfer model Mô hình duyệt ngẫu nhiên 16 Re-rank Xếp hạng lại 17 Scoring module Mô đun tính hạng 18 Text-based Image Ranking Xếp hạng ảnh dựa trên văn bản 19 Texture Kết cấu 20 Title Tiêu đề 21 Topic Sensitive PageRank PageRank theo chủ đề 22 Visual hyperlink Siêu liên kết trực quan 23 Visual vocabulary Tập từ vựng trực quan [...]... hạng ảnh phổ biến áp dụng trong hệ thống tìm kiếm ảnh lớp trên thử nghiệm nhằm khảo sát, phân tích các giải pháp phân hạng ảnh, đồng thời trình bày một mô hình máy tìm kiếm ảnh lớp trên thi hành giải pháp phân hạng ảnh trong máy tìm kiếm ảnh lớp trên thử nghiệm Khóa luận gồm những nội dung chính cơ bản như sau: Chương 1: Khái quát về các thuật toán tính hạng trình bày một số thuật toán tính hạng. .. hình đã đang được sử dụng rộng rãi trong các máy tìm kiếm Cùng với đó, chương này cũng nêu lên một số nét cơ bản về bài toán xếp hạng thực thể xếp hạng ảnh Đồng thời, chương 1 cũng đề cập đến một số công trình nghiên cứu liên quan ở trong nước trên thế giới Chương 2: Giới thiệu một số thuật toán tính hạng ảnh điển hình chương này tập trung trình bày một số thuật toán tính hạng ảnh dựa trên nội... dung hiển thị của ảnh Mỗi thuật toán đều được phân tích, đánh giá, đưa ra các ưu nhược điểm Từ đó, đưa ra thuật toán tính hạng ảnh áp dụng VisualRank cho các đặc trưng hiển thị đặc trưng văn bản của ảnh Chương 3: Mô hình máy tìm kiếm ảnh lớp trên trình bày mô hình tổng quan của một máy tìm kiếm lớp trên Đồng thời, chương 3 đi chi tiết vào một mô hình tìm kiếm ảnh lớp trên MetaSEEk để tìm hiểu các thành... các thành phần cần thiết trong hệ thống máy tìm kiếm ảnh 1 lớp trên Từ đó, định hình ra những thành phần cần phải xây dựng mô hình máy tìm kiếm ảnh lớp trên định xây dựng Chương 4: Thực nghiệm đưa ra mô hình máy tìm kiếm ảnh lớp trên áp dụng thử nghiệm thuật toán đã được đề xuất ở chương 2 Chương này trình bày các thành phần của mô hình các công việc thực nghiệm mà khóa luận đã tiến hành Từ những... lớn công việc tìm kiếm sẽ trở nên vô cùng khó khăn Để giải quyết vấn đề này, đã có các hệ thống tìm kiếm ảnh ra đời như: Yahoo, MSN, Google Image Search, Bing… Cũng như đối với các hệ thống tìm kiếm thông thường các hệ thống tìm kiếm thực thể khác, mô đun xếp hạngmột phần quan trọng cốt lõi trong máy tìm kiếm ảnh Hiện nay, bài toán xếp hạng ảnh đã trở thành một trong những bài toán điển hình... tính VisualRank chỉ trên tập con N ảnh này Thuật toán VisualRank trình bày một kỹ thuật đơn giản để kết hợp các lợi điểm trong việc sử dụng liên kết phân tích mạng cho tìm kiếm trang Web vào tìm kiếm ảnh Thuật toán đã được các tác giả thử nghiệm cho kết quả tốt hơn kết quả xếp hạng của máy tìm kiếm ảnh Google trong phần lớn các truy vấn trong khi vẫn duy trì được hiệu quả tính toán hợp lý cho việc... cứu về các thuật toán tính hạng ảnh sau đó áp dụng vào việc xây dựng 1 http://vietnamnet.vn/cntt/2005/11/517349/ 21 một mô hình máy tìm kiếm lớp trên thử nghiệm cho ảnh Tôi tin rằng những nghiên cứu của mình là rất thiết thực sẽ là nền tảng cho những nghiên cứu tiếp theo của mình Tóm tắt chương một Trong chương một, khóa luận đã tập trung khảo sát, phân tích một số thuật toán tính hạng trang... PageRank Phần lớn các nghiên cứu tìm kiếm Web là tập trung vào tìm kiếm các trang Web (tài liệu dạng văn bản) chỉ một số ít trong đó là về tìm kiếm các thông tin đa phương tiện trên Web (ảnh, video, MP3…) Tuy nhiên, trong những năm gần đây, vấn đề tìm kiếm xếp hạng các đối tượng đa phương tiện trên Web (đặc biệt là vấn đề tìm kiếm xếp hạng ảnh) đang trở thành một vấn đề thu hút được rất nhiều... sát, phân tích các phương pháp học xếp hạng đang được quan tâm hiện nay từ đó đưa ra mô hình xếp hạng thực thể áp dụng vào máy tìm kiếm thực thể trong tiếng Việt, cụ thể là tìm kiếm thực thể thuốc học xếp hạng để tạo nhãn cho cụm tài liệu Các kết quả thu được đã chứng minh vai trò hiệu quả của học xếp hạng áp dụng vào máy tìm kiếm Nguyễn Hoàng Trung [5] đã tiến hành xây dựng thử nghiệm một. .. sẽ có một số thuật toán xếp hạng thực thể phù hợp với bài toán đó tùy thuộc vào các thuộc tính của đối tượng cần tìm Hình 3 Một mô hình học xếp hạng trong máy tìm kiếm thực thể [4] 1.4 bộ về tính hạng ảnh Cùng với sự bùng nổ thông tin trên Web sự phát triển của công nghệ kỹ thuật số, lượng ảnh lưu trữ trên Web cũng tăng một cách nhanh chóng Mỗi ngày, có hàng triệu bức ảnh được đăng tải trên các . HỌC CÔNG NGHỆ Lê Thị Kim Dung MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH. sát, phân tích các giải pháp phân hạng ảnh, đồng thời trình bày một mô hình máy tìm kiếm ảnh lớp trên và thi hành giải pháp phân hạng ảnh trong máy tìm kiếm ảnh lớp trên thử nghiệm. Khóa luận. liên quan trong công trình nghiên cứu khoa học sinh viên. Khóa luận tốt nghiệp với đề tài Một số thuật toán phân hạng ảnh phổ biến và áp dụng trong hệ thống tìm kiếm ảnh lớp trên thử nghiệm nhằm

Ngày đăng: 27/06/2014, 22:20

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Đỗ Thị Diệu Ngọc, Nguyễn Hoài Nam, Nguyễn Thu Trang, Nguyễn Yến Ngọc (2004). Giải pháp tính hạng trang Modified Adaptive PageRank trong máy tìm kiếm.Chuyên san “Các công trình nghiên cứu về CNTT và Truyền thông”, Tạp chí Bưu chính Viễn thông, 14, 4-2005, 65-71 Sách, tạp chí
Tiêu đề: Chuyên san “Các công trình nghiên cứu về CNTT và Truyền thông
Tác giả: Đỗ Thị Diệu Ngọc, Nguyễn Hoài Nam, Nguyễn Thu Trang, Nguyễn Yến Ngọc
Năm: 2004
[6] Aktas, M., Nacar, M., Menczer, F. (2004). Personalizing PageRank based on domain profiles. SIGKDD Workshop on Web Mining and Web Usage Analysis:83-90 Sách, tạp chí
Tiêu đề: SIGKDD Workshop on Web Mining and Web Usage Analysis
Tác giả: Aktas, M., Nacar, M., Menczer, F
Năm: 2004
[10] Anselm Spoerri (2004). RankSpiral: Toward Enhancing Search Results Visualizations. IEEE Symposium on Information Visualization: 215.18 Sách, tạp chí
Tiêu đề: IEEE Symposium on Information Visualization
Tác giả: Anselm Spoerri
Năm: 2004
[16] Cam-Tu Nguyen, Xuan-Hieu Phan, Susumu Horiguchi, Thu-Trang Nguyen, Quang-Thuy Ha (2009). Web Search Clustering and Labeling with Hidden Topics. ACM TALIP, 8(3): 1-40 Sách, tạp chí
Tiêu đề: ACM TALIP
Tác giả: Cam-Tu Nguyen, Xuan-Hieu Phan, Susumu Horiguchi, Thu-Trang Nguyen, Quang-Thuy Ha
Năm: 2009
[22] Herve Jegou, Matthijs Douze, Cordelia Schmid (2008). Recent Advances in Large Scale Image Search. ETVC 2008: 305-326 Sách, tạp chí
Tiêu đề: ETVC 2008
Tác giả: Herve Jegou, Matthijs Douze, Cordelia Schmid
Năm: 2008
[33] Shiliang Zhang, Qi Tian, Gang Hua, Qingming Huang, Shipeng Li (2009). Descriptive Visual Words and Visual Phrases for Image Applications. Proceedings of the seventeen ACM international conference on Multimedia. Pages: 75-84.2009 Sách, tạp chí
Tiêu đề: Proceedings of the seventeen ACM international conference on Multimedia. Pages: 75-84
Tác giả: Shiliang Zhang, Qi Tian, Gang Hua, Qingming Huang, Shipeng Li
Năm: 2009
[42] Z. Gyongyi, H. Garcia-Molina, and J. Pendersen (2004). Combating Web Spam with TrustRank. In Proceedings of the 30 th International VLDB Conference, 2004 Sách, tạp chí
Tiêu đề: In Proceedings of the 30"th" International VLDB Conference
Tác giả: Z. Gyongyi, H. Garcia-Molina, and J. Pendersen
Năm: 2004
[15] Chik Ching Yiu, Ip Che Yin (2002). Image Ranking Schemes Using Link-Structure Analysis Algorithm. WWW2000,http://www2002.org/CDROM/poster/114/ Link
[2] Nguyễn Hoài Nam (2004). Thuật toán tính hạng trang và xây dựng mô đun thử nghiệm. Khóa luận đại học, Trường ĐHKHTN Khác
[3] Nguyễn Thu Trang (2006). Link spam với đồ thị Web và hạng trang Web. Khóa luận đại học, Trường ĐHCN Khác
[4] Nguyễn Thu Trang (2009). Học xếp hạng trong tịnh hạng đối tượng và phân cụm tài liệu. Luận văn Thạc sỹ, Trường ĐHCN Khác
[5] Nguyễn Hoàng Trung (2009). Xây dựng search engine. Luận văn Thạc sỹ, Trường ĐHCN.Tiếng Anh Khác
[7] Allan Borodiny, Gareth O. Robertsz, Jeffrey S. Rosenthalx, Panayiotis Tsaparas (2004). Link Analysis Ranking Algorithms, Theory, and Experiments.ACM Trans. Inter. Tech., 5(1):231-297 Khác
[9] Amy N.Langville, Carl D. Meyer (2006). A Reodering for the PageRank problem. Siam journal on scientific comuping. 2006, Vol 27; NUMB 6, pages 2112-2120 Khác
[11] Benitez, A.B. Beigi, M. Shih-Fu Chang (2002). Using relevance feedback in content-based image metasearch. Internet Computing, IEEE. 2002 Khác
[14] Bo Luo, Xianogang Wang, and Xiaoou Tang (2003). World Wide Web Based Image Search Engine Using Text and Image Content Features. Internet Imaging IV. Edited by Santini, Simone; Schettini, Raimondo. Proceedings of the SPIE, Volume 5018, pp. 123-130 (2003) Khác
[18] Eric J. Glover (2001). Using Extra-Topical User Preferences To Improve Web- Based Metasearch,. PhD Thesis, The University of Michigan Khác
[19] G. Park, Y. Baek, and H. Lee (2003). Majority based ranking approach in web image retrieval. Proceedings of the 2nd international conference on Image and video retrieval, 2003. Pages: 111-120 Khác
[20] Hsinchun Chen, Haiyan Fan, Michael Chau, and Daniel Zeng (2001). MetaSpider: Meta-Searching and Categorization on the Web. JASIST, 52(13):1134–1147, 2001 Khác
[21] Hervé Jégou, Matthijs Douze, Cordelia Schmid (2010). Product quantization for nearest neighbor search. 2010 IEEE TPAMI Khác

HÌNH ẢNH LIÊN QUAN

Hình 1. Mô tả tính chất authority và hub - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 1. Mô tả tính chất authority và hub (Trang 23)
Hình 2. Mở rộng tập cơ sở T từ tập nhân S - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 2. Mở rộng tập cơ sở T từ tập nhân S (Trang 24)
Hình 3. Một mô hình học xếp hạng trong máy tìm kiếm thực thể [4] - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 3. Một mô hình học xếp hạng trong máy tìm kiếm thực thể [4] (Trang 28)
Hình 4. Một minh họa về đồ thị độ tương đồng của ảnh - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 4. Một minh họa về đồ thị độ tương đồng của ảnh (Trang 34)
Hình 5. Biến đổi ma trận kề - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 5. Biến đổi ma trận kề (Trang 37)
Hình 6. Kết quả xếp hạng của 3 phương pháp với truy vấn “Notre Dame” - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 6. Kết quả xếp hạng của 3 phương pháp với truy vấn “Notre Dame” (Trang 38)
Hình 7. Mô hình xếp hạng ảnh sử dụng thuật toán ContextRank - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 7. Mô hình xếp hạng ảnh sử dụng thuật toán ContextRank (Trang 39)
Hình 8. Một ví dụ về biểu diễn visual words - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 8. Một ví dụ về biểu diễn visual words (Trang 42)
Hình 9. Kiến trúc của một máy tìm kiếm lớp trên điển hình [18] - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 9. Kiến trúc của một máy tìm kiếm lớp trên điển hình [18] (Trang 44)
Hình 10. Một thiết kế của bộ điều vận [18] - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 10. Một thiết kế của bộ điều vận [18] (Trang 45)
Hình 11. Kiến trúc tổng thể của MetaSEEk [11] - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 11. Kiến trúc tổng thể của MetaSEEk [11] (Trang 47)
Hình 12. Giao diện hiển thị của MetaSEEk - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 12. Giao diện hiển thị của MetaSEEk (Trang 49)
Hình 13. Cấu trúc phân cấp của cơ sở dữ liệu - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 13. Cấu trúc phân cấp của cơ sở dữ liệu (Trang 52)
Bảng 1. Ví dụ về bản ghi của một ảnh trong cơ sở dữ liệu - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Bảng 1. Ví dụ về bản ghi của một ảnh trong cơ sở dữ liệu (Trang 52)
Hình 14. Mô hình đề xuất - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 14. Mô hình đề xuất (Trang 58)
Bảng 2. Cấu hình phần cứng sử dụng trong thực nghiệm - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Bảng 2. Cấu hình phần cứng sử dụng trong thực nghiệm (Trang 60)
Hình 15. Giao diện của chương trình - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 15. Giao diện của chương trình (Trang 62)
Bảng 5. Độ chính xác trung bình trên 35 truy vấn - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Bảng 5. Độ chính xác trung bình trên 35 truy vấn (Trang 66)
Hình 16. Biểu đồ so sánh độ chính xác trung bình giữa các hệ thống - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 16. Biểu đồ so sánh độ chính xác trung bình giữa các hệ thống (Trang 67)
Hình 17. Biểu đồ độ chính xác mức K của một số truy vấn tiếng Việt - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 17. Biểu đồ độ chính xác mức K của một số truy vấn tiếng Việt (Trang 68)
Hình 18. 10 kết quả đầu tiên của truy vấn “sun” trong các máy tìm kiếm - LUẬN VĂN: MỘT SỐ THUẬT TOÁN PHÂN HẠNG ẢNH PHỔ BIẾN VÀ ÁP DỤNG TRONG HỆ THỐNG TÌM KIẾM ẢNH LỚP TRÊN THỬ NGHIỆM pot
Hình 18. 10 kết quả đầu tiên của truy vấn “sun” trong các máy tìm kiếm (Trang 69)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN