BÁO cáo TIẾP cận HỌC MÁY TRONG TRUY vấn ẢNH

1 TIẾP CẬN HỌC MÁY TRONG TRUY VẤN ẢNH HV: Nguyễn Linh Duy Nguyễn Quốc Khánh Trần Anh Quân GVHD: TS. Lý Quốc Ngọc 2 Nội dung:  Giới thiệu  Rút trích đặc trưng ảnh  Histogram  AutoCorrelograms  Feedback  Demo 3 Nội dung:  Giới thiệu  Truy vấn ảnh theo đặc trưng Màu  Histogram  AutoCorrelograms  Feedback  Demo 4 Giới thiệu Ảnh đầu vào Dùng hình ảnh để truy vấn Các ảnh tương tự Kết quả Tương tác người dùng 5 Giới thiệu Ảnh đầu vào Dùng hình ảnh để truy vấn Các ảnh tương tự Kết quả Tương tác người dùng Học máy 6 Giới thiệu  Chức năng:  Ghi nhận các đặc trưng của hình ảnh để làm chỉ mục truy vấn.  Các đặc trưng được gán vào một vectơ đặc trưng duy nhất.  Dùng vectơ này để so khớp với các vectơ đặc trưng trong CSDL ảnh 7 Giới thiệu  Chức năng:  Người dùng thực hiện truy vấn ban đầu.  Chọn một số kết quả thích hợp.  Hệ thống sẽ phân tích và tiếp tục quá trình truy vấn để đưa ra kết quả. 8 Nội dung:  Giới thiệu  Truy vấn ảnh theo đặc trưng Màu  Histogram  AutoCorrelograms  Feedback  Demo 9 Truy vấn ảnh theo đặc trưng Màu  Dựa trên đặc trưng Color:  Histogram  Correlogram - AutoCorrelogram 10 Histogram  Thực hiện trên ảnh xám  Tính lược đồ màu (số lượng điểm ảnh tương ứng cho mỗi mức màu) Vector đặc trưng cho mỗi ảnh.  Quá trình truy vấn: tính độ đo giữa vector đặc trưng ảnh query với các vector đặc trưng của các ảnh database theo khoảng cách Euclide [...]... 11 Histogram  Hầu hết các ảnh có độ đo càng thấp thì càng tương tự ảnh query  Trong trường hợp này, kết quả sau khi truy vấn là các ảnh được hiển thị theo thứ tự tăng dần của độ đo  Hạn chế: chỉ nắm bắt thông tin toàn cục  Có thể có 2 hình ảnh có ngữ nghĩa giống nhau nhưng có biểu đồ màu rất giống nhau 12 Truy vấn ảnh theo đặc trưng Màu  Dựa...  Giới thiệu  Rút trích đặc trưng ảnh  Histogram  AutoCorrelograms  Feedback  Demo 20 Feedback  Chức năng:  Người dùng sau khi thực hiện truy vấn ban đầu  Chọn một số kết quả thích hợp  Hệ thống sẽ phân tích và tiếp tục quá trình truy vấn để đưa ra kết quả  Đây là bước sẽ áp dụng học máy! 21 Feedback  Tính lại vector đặc trưng của ảnh query:  Trường hợp 1 (min): tính... thành phần của mỗi ảnh được chọn so với ảnh query ban đầu  xây dựng một vector query mới mà mỗi thành phần của vector này là thành phần mà có độ độ chênh lệch so với thành phần tương ứng của ảnh query là nhỏ nhất 22 Feedback  Trường hợp 2 (average): tính độ đo trung bình giữa các thành phần tương ứng của vector query và các vector của các ảnh được chọn  xây... (Yi - GTTB[i]) + + (MiGTTB[i]) )/m  Độ lệch chuẩn được tính dựa vào thực nghiệm 25 DEMO 26 Tài liệu tham khảo  Alberto Del Bimbo, Visual Information Retrieval  TS Lý Quốc Ngọc, Slide Truy vấn thông tin thị giác  Jing Huang, S Ravi Kumar, Mandar Mitra, Wei-Jing Zhu, Ramin Zabih, Image Indexing Using Color Correlograms  T Ojala, M Rautiainen, E Matinmikko and M Aittola, Semantic Image... các vector của các ảnh được chọn  xây dựng một vector query mới mà mỗi thành phần của vector này là trung bình cộng của thành phần tương ứng của vector query ban đầu và các ảnh được chọn  Nhược điểm: sẽ không đúng nếu trường hợp độ chênh lệch giữa các thành phần tương ứng với các vector cao 23 Feedback  Trường hợp 3 (độ lệch chuẩn): tương tự trường . 1 TIẾP CẬN HỌC MÁY TRONG TRUY VẤN ẢNH HV: Nguyễn Linh Duy Nguyễn Quốc Khánh Trần Anh Quân GVHD: TS. Lý Quốc Ngọc 2 Nội dung:  Giới thiệu  Rút trích đặc trưng ảnh  Histogram  AutoCorrelograms  Feedback  Demo 3 Nội. để đưa ra kết quả. 8 Nội dung:  Giới thiệu  Truy vấn ảnh theo đặc trưng Màu  Histogram  AutoCorrelograms  Feedback  Demo 9 Truy vấn ảnh theo đặc trưng Màu  Dựa trên đặc trưng. trên ảnh xám  Tính lược đồ màu (số lượng điểm ảnh tương ứng cho mỗi mức màu) Vector đặc trưng cho mỗi ảnh.  Quá trình truy vấn: tính độ đo giữa vector đặc trưng ảnh