TÁI NHẬN DẠNG NHÂN vật sử DỤNG đặc TRƯNG NGỮ NGHĨA loại tài liệu

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CƠNG NGHỆ THƠNG TIN KHOA KHOA HỌC MÁY TÍNH NGUYỄN HỮU PHƯỚC LUẬN VĂN THẠC SĨ TÁI NHẬN DẠNG NHÂN VẬT SỬ DỤNG ĐẶC TRƯNG NGỮ NGHĨA NGÀNH KHOA HỌC MÁY TÍNH GIẢNG VIÊN HƯỚNG DẪN: TS NGƠ ĐỨC THÀNH TP HỒ CHÍ MINH, 2016 LỜI CẢM ƠN Em xin chân thành cảm ơn tri ân sâu sắc đến q Thầy, Cơ Trường Đại học Cơng nghệ Thông tin Đặc biệt Thầy TS Ngô Đức Thành dành nhiều thời gian hướng dẫn tận tình giúp đỡ em suốt thời gian thực đề tài Em xin cảm ơn anh chị bạn tham gia sinh hoạt phòng Thí nghiệm Truyền thông Đa phương tiện, trường Đại học Công nghệ Thông tin hỗ trợ em nhiều suốt thời gian em thực đề tài Trong trình thực đề tài khó tránh khỏi sai sót mong Thầy, Cô bỏ qua Đồng thời khả hạn chế nên q trình viết báo cáo nhiều thiếu sót, em mong nhận góp ý Thầy, Cơ để hồn thiện luận văn Em xin chân thành cảm ơn! TP Hồ Chí Minh, tháng 08 năm 2016 LỜI CAM ĐOAN Em xin cam đoan cơng trình nghiên cứu riêng em hướng dẫn khoa học Thầy TS Ngô Đức Thành Các nội dung nghiên cứu, kết đề tài trung thực chưa công bố hình thức trước Những số liệu bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá em thu thập từ số liệu khác có ghi rõ phần tài liệu tham khảo Nếu phát có gian lận em xin hoàn toàn chịu trách nhiệm nội dung luận văn Tp Hồ Chí Minh, ngày 25 tháng 08 năm 2016 Học viên thực Nguyễn Hữu Phước MỤC LỤC TÓM TẮT LUẬN VĂN .1 Chương MỞ ĐẦU .3 1.1 Tên luận văn 1.2 Giới thiệu chung 1.3 Khó khăn thách thức cần giải .4 1.3.1 Khó khăn thách thức 1.3.2 Vấn đề cần giải 1.4 Tính cấp thiết đề tài 1.5 Mục tiêu, đối tượng phạm vi nghiên cứu .6 1.5.1 Mục tiêu .6 1.5.2 Đối tượng nghiên cứu 1.5.3 Phạm vi nghiên cứu 1.6 Đóng góp luận văn 1.7 Cấu trúc luận văn Chương TỔNG QUAN .8 2.1 Mô tả toán 2.2 Tình hình nghiên cứu nước .11 2.2.1 Tình hình nghiên cứu ngồi nước 11 2.2.2 Tình hình nghiên cứu nước .20 2.3 Tái nhận dạng sử dụng đặc trưng ngữ nghĩa 21 2.3.1 Đặc trưng ngữ nghĩa .21 2.3.2 Sử dụng đặc trưng ngữ nghĩa 22 Chương CẢI THIỆN BỘ PHÂN LỚP THUỘC TÍNH BỞI VIỆC ĐÁNH TRỌNG SỐ TƯƠNG TÁC TỪ CÁC THUỘC TÍNH KHÁC 25 3.1 Mơ hình tương tác 26 3.2 Áp dụng phân lớp nâng cao độ xác phát thuộc tính vào tái nhận dạng nhân vật 29 Chương THỰC NGHIỆM VÀ ĐÁNH GIÁ 32 4.1 Tiêu chuẩn đánh giá 32 4.2 Bộ liệu 33 4.3 Thực nghiệm 35 4.3.1 Tài nguyên 35 4.3.2 Phát thuộc tính 35 4.3.4 Phân chia liệu dành cho việc huấn luyện phân lớp 40 4.4 Kết thí nghiệm 40 4.4.1 Kết phát thuộc tính 40 4.4.2 Kết tái nhận dạng nhân vật 45 4.5 Chương trình demo 49 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 52 5.1 Kết luận 52 5.2 Hướng phát triển .52 TÀI LIỆU THAM KHẢO 54 PHỤ LỤC 57 DANH MỤC CÁC BẢNG Bảng Các thuộc tính sử dụng liệu VIPeR, PRID GRID (Dấu “✔” biểu diễn cho thuộc tính sử dụng, dấu “✘” biểu diễn cho thuộc tính khơng sử dụng) 36 Bảng Độ xác phát thuộc tính sử dụng phân lớp độc lập mơ hình tương tác liệu VIPeR 40 Bảng Độ xác phát thuộc tính sử dụng phân lớp độc lập mơ hình tương tác liệu PRID 41 Bảng Độ xác phát thuộc tính sử dụng phân lớp độc lập mơ hình tương tác liệu GRID .42 Bảng Bảng so sánh kết tái nhận dạng nhân vật sử dụng phân lớp độc lập mơ hình tương tác phát thuộc tính liệu VIPeR 45 Bảng Bảng so sánh kết tái nhận dạng nhân vật sử dụng phân lớp độc lập mơ hình tương tác phát thuộc tính liệu PRID .46 Bảng Bảng so sánh kết tái nhận dạng nhân vật sử dụng phân lớp độc lập mô hình tương tác phát thuộc tính liệu GRID 46 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1 Màn hình kiểm sốt nhân viên quản lý camera Các nhân viên phân công nhiều camera phải thực công việc kiểm soát cách đồng thời Hình 1.2 Ảnh đối tượng ghi nhận có thay đổi góc nhìn, ảnh nền, điều kiện ánh sáng… di chuyển qua vùng quan sát camera khác Hình 1.3 Dễ bị nhầm lẫn có nhiều ứng viên mặc đồ giống Đối tượng cần tìm kiếm ảnh có khung màu đỏ so với ảnh mẫu có khung màu vàng Hình 2.1 Một mạng lưới camera giám sát kiểm sốt khơng gian rộng lớn Hình ảnh người đàn ơng ghi nhận lần đầu camera lối vào chính, sau ghi nhận lần thứ hai camera phía bên phải Hệ thống tái nhận dạng nhân vật việc so khớp hình ảnh ghi nhận camera để nhận dạng hình ảnh giống Hình 2.2 Phát theo dõi đối tượng hệ thống camera có vùng quan sát không trùng lấp Hình 2.3 Ví dụ minh họa đầu vào, đầu toán tái nhận dạng nhân vật Đầu toán: ứng với ảnh camera (probe images) ta thu danh sách ảnh camera (gallery images) xếp hạng 10 Hình 2.4 Kiến trúc hệ thống toán tái nhận dạng nhân vật .11 Hình 2.5 Các lọc sử dụng mơ hình Gray đề xuất 13 Hình 2.6 Phác thảo mô tả SDALF (a) Cho ảnh tập ảnh 14 Hình 2.7 Sơ đồ biểu diễn đặc trưng gBiCov Những ảnh màu chia vào kênh màu sắc (HSV) Những hình ảnh đầu vào quấn lại với lọc Gabor tỉ lệ (scale) khác scale gần nhóm lại thành band BIF rút trích cách thực việc đối đa hố band giống lọc Gabor BIF sau chia thành vùng nhỏ, biểu diễn mơ tả Covariance Ma tính tốn khác mô tả Covariance vùng tương ứng band khác Những khác biệt kết nối tới form biểu diễn đặc trưng hình ảnh [8] .15 Hình 2.8 Sơ đồ tổng quan phương pháp Các module Post-processing học tính khoảng cách miền thích ứng ứng dụng dựa mức độ giám sát việc tăng hạng hiệu suất tồn hệ thơng cần thiết [11] 17 Hình 2.9 Đầu mơ hình Mỗi phần biểu diễn mã màu để biểu diễn thuộc tính chi phối suy hai loại [12] 17 Hình 2.10 Tổng quan phương pháp Ying Zhang đề xuất Đầu tiên học phân lớp phù hợp cho cá nhân huấn luyện mẫu ví dụ cụ thể Các vector trọng số phân lớp sử dụng để học cặp từ điển ma trận ánh xạ, cách vector trọng số ảnh kiểm thử (probe image) dễ dàng suy từ biểu diễn đặc trưng Tái nhận dạng thực dựa tiêu chí phù hợp với vector trọng số học [14] .19 Hình 2.11 Những ảnh người liệu huấn luyện chiếu vào điểm việc học không gian không hạch phân biệt [15] 20 Hình 2.12 Biểu diễn đối tượng đặc trưng ngữ nghĩa Đối tượng mơ tả thuộc tính như: đội nón, áo thun trắng, quần jean xanh, mang giày .22 Hình 2.13 Mơ hình phát thuộc tính đối tượng .23 Hình 3.1 Đối tượng mô tả danh sách thuộc tính thị giác như: male, female, long hair, skir Trong thực tế, thuộc tính có mối quan hệ với Một người biểu diễn hai thuộc tính tóc dài (longhair) mặc váy (skirt) thường nữ (female) 26 Hình 3.2 Mơ hình tương tác thuộc tính, sử dụng λ để kiểm soát trọng số hồi qui tương tác thuộc tính 27 Hình 3.3 Sơ đồ tổng quát bước rút trích đặc trưng 29 Hình 4.1 Ví dụ minh họa hệ thống tái nhận dạng nhân vật Vị trí đối tượng danh sách xếp hạng vị trí số hai 32 Hình 4.2 Ảnh minh họa lấy từ liệu VIPeR .33 Hình 4.3 Ảnh minh họa lấy từ liệu PRID 34 Hình 4.4 Ảnh minh hoạ lấy từ liệu GRID 35 Hình 4.5 Sơ đồ tổng quát phương pháp phát thuộc tính 36 Hình 4.6 Rút trích đặc trưng sử dụng để huấn luyện phân lớp để phát thuộc thuộc tính 38 Hình 4.7 Vùng khơng gian chứa thuộc tính vùng sáng Tuỳ thuộc tính ta lựa chọn vùng khơng gian phù hợp Darkhair vùng không gian phần một, Redshirt vùng không gian phần hai phần ba Darkbottoms vùng không gian phần bốn, phần năm phần sáu 38 Hình 4.8 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Redshirt thuộc tính khác 43 Hình 4.9 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Blueshirt thuộc tính khác 44 Hình 4.10 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Jeans thuộc tính khác 44 Hình 4.11 Kết tái nhận dạng nhân vật liệu VIPeR với kích thước gallery p = 316 phân lớp độc lập mơ hình tương tác 47 Hình 4.12 Kết tái nhận dạng nhân vật liệu PRID với kích thước gallery p = 100 phân lớp độc lập mơ hình tương tác 48 Hình 4.13 Kết tái nhận dạng nhân vật liệu GRID với kích thước gallery p = 125 phân lớp độc lập mơ hình tương tác 48 Hình 4.14 Giao diện chương trình khởi động .50 Hình 4.15 Kết thực chương trình demo 50 TÓM TẮT LUẬN VĂN Ngày nay, hệ thống camera giám sát sử dụng rộng rãi, phổ biến khắp nơi siêu thị, sân bay nhằm đảm bảo an ninh, trật tự, chống trộm… Công việc cần phải thực trước tiên hệ thống giám sát so khớp ảnh người di chuyển qua vùng quan sát camera Công việc gọi tái nhận dạng thực nhân viên điều hành Sự tăng vọt số lượng camera hệ thống giám sát số lượng người di chuyển qua camera dẫn đến nhiều khó khăn việc tái nhận dạng (so khớp ảnh) Do cần có hệ thống tái nhận dạng nhân vật tự động để hỗ trợ nhân viên thực công việc đạt hiệu cao Trong hệ thống tái nhận dạng tự động, biểu diễn đặc trưng vấn đề quan trọng cần nghiên cứu Hình ảnh đối tượng rút trích biểu diễn đặc trưng cho đặc trưng có khả phân biệt với hình ảnh đối tượng khác Các đặc trưng sử dụng để đo độ tương tự hình ảnh dùng để phân biệt hình ảnh đối tượng đối tượng khác Trong nhiều cơng trình nghiên cứu gần đây, đặc trưng ngữ nghĩa (hay gọi thuộc tính) sử dụng phổ biến đạt nhiều hiệu Luận văn chủ yếu nghiên cứu biểu diễn đặc trưng, cụ thể đặc trưng ngữ nghĩa Đặc trưng ngữ nghĩa sử dụng thuộc tính để biểu diễn ảnh đối tượng độ xác tái nhận dạng phụ thuộc lớn vào độ xác việc phát thuộc tính Vì vậy, nghiên cứu hướng đến việc nâng cao độ xác phân lớp phát thuộc tính Gần đây, lĩnh vực tái nhận dạng nhân vật có nhiều cơng trình nghiên cứu sử dụng đặc trưng ngữ nghĩa Tuy nhiên, hầu hết phương pháp sử dụng đặc trưng ngữ nghĩa xây dựng phân lớp phát thuộc tính huấn luyện cách độc lập thực tế thuộc tính có mối quan hệ với xuất (xuất đồng thời), khơng xuất Hạn chế phương pháp bỏ qua mối quan hệ thuộc tính Do đó, luận văn hướng tới nâng cao độ xác phân lớp phát Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết luận Kết đạt luận văn:  Khảo sát, nghiên cứu phương pháp tiên tiến toán tái nhận dạng nhân vật mà tập trung vào việc sử dụng đặc trưng ngữ nghĩa  Cài đặt phương pháp tái nhận dạng nhân vật sử dụng đặc trưng ngữ nghĩa làm phương pháp sở, tổng hợp phân tích kết thí nghiệm  Cài đặt phương pháp làm tăng độ xác phân lớp phát đặc trưng ngữ nghĩa Mơ hình tương tác cải thiện độ xác phân lớp thuộc tính, nâng cao kết tái nhận dạng Phương pháp cải thiện độ xác phân lớp thuộc tính dựa vào việc đánh trọng số tương tác từ thuộc tính khác áp dụng vào toán tái nhận dạng nhân vật hiệu chứng minh thơng qua kết thí nghiệm liệu VIPeR, PRID GRID  Cài đặt chương trình demo minh hoạ cho hoạt động phương pháp tái nhận dạng nhân vật 5.2 Hướng phát triển Do thời gian thí nghiệm khơng nhiều nên luận văn chưa đề xuất cải tiến mà dừng mức độ cài đặt lại phương pháp Kết đạt chứng minh thuộc tính có mối quan hệ với Tuy nhiên, phương pháp xét khía cạnh thuộc tính phụ thuộc vào tất thuộc tính khác Trong kết thí nghiệm dựa trọng số học cho thấy thuộc tính phụ thuộc mạnh mẽ vào vài thuộc tính (một hai), chịu ảnh hưởng đa số thuộc tính khác Trong thực tế thuộc tính chịu ảnh hưởng mạnh mẽ vài thuộc tính Do đó, ta cần xem xét mối quan hệ thuộc tính để tìm mối quan hệ phụ thuộc 52 Hướng phát triển tìm mối liên hệ thuộc tính cách xây dựng tập quan hệ thuộc tính Có hai cách để tìm tập quan hệ thuộc tính: xây dựng tập quan hệ thủ công (dựa quan sát người) xây dựng tập quan hệ tự động (dựa phương pháp tự động học tập quan hệ) Sau sử dụng phương pháp cải thiện độ xác phân lớp thuộc tính dựa vào việc đánh trọng số tương tác vài thuộc tính kết hợp với tập quan hệ học 53 TÀI LIỆU THAM KHẢO [1] D Gray, S Brennan, and H Tao, “Evaluating appearance models for recognition, reacquisition, and tracking,” 10th Int Work Perform Eval Track Surveill (PETS), vol 3, pp 41–47, 2007 [2] M Hirzer, C Beleznai, P M Roth, and H Bischof, “Person re-identification by descriptive and discriminative classification,” in Scandinavian conference on Image analysis, 2011, pp 91–102 [3] C C Loy, T Xiang, and S Gong, “Multi-camera activity correlation analysis,” 2009 IEEE Comput Soc Conf Comput Vis Pattern Recognit Work CVPR Work 2009, no 1, pp 1988–1995, 2009 [4] W.-S Zheng, S Gong, and T Xiang, “Person Re-identification by Probabilistic Relative Distance Comparison,” Electron Eng., 2011 [5] A Mignon and C Umr, “PCCA : A New Approach for Distance Learning from Sparse Pairwise Constraints,” pp 2666–2672, 2012 [6] H Gray, Douglas and Tao, “Viewpoint invariant pedestrian recognition with an ensemble of localized features,” Eur Conf Comput Vis., vol 5302, no Section 2, pp 548–561, 2008 [7] M Farenzena, L Bazzani, A Perina, V Murino, and M Cristani, “Person reidentification by symmetry-driven accumulation of local features,” Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit., pp 2360–2367, 2010 [8] B Ma, Y Su, B Ma, and Y Su, “Covariance Descriptor based on Bioinspired Features for Person Re-identification and Face Verification To cite this version : Covariance Descriptor based on Bio-inspired Features for Person re-Identification and Face Verification,” 2014 [9] R Layne, T Hospedales, and S Gong, “Person Re-identification by Attributes,” Procedings Br Mach Vis Conf 2012, p 24.1-24.11, 2012 [10] S G Ryan Layne, Timothy M Hospedales, “Attributes-Based Reidentification,” Adv Comput Vis Pattern Recognit., pp 93–117, 2014 [11] R Layne, T Hospedales, and S Gong, “Re-id: Hunting Attributes in the 54 Wild,” Proc Br Mach Vis Conf 2014, p 1.1-1.12, 2014 [12] Z Shi, T M Hospedales, T Xiang, Q Mary, and E London, “Transferring a Semantic Representation for Person Re-Identification and Search ( Supplementary Material ),” pp 4–7, 2015 [13] T S Huang and J R Smith, “Learning Locally-Adaptive Decision Functions for Person Verification,” pp 0–7, 2013 [14] Y Zhang, B Li, H Lu, A Irie, and X Ruan, “Sample-Specific SVM Learning for Person Re-identification,” pp 1278–1287 [15] L Zhang, T Xiang, and S Gong, “Learning a Discriminative Null Space for Person Re-identification,” Cvpr, pp 1239–1248, 2016 [16] T.-T.-T Pham, T.-L Le, T.-K Dao, V.-T Nguyen, and D.-H Le, “A robust model for person re-identification in multi-modal person localization,” Ninth Int Conf Mob Ubiquitous Comput Syst Serv Technol (UBICOMM 2015), no 1, pp 38–43, 2015 [17] V.-H Nguyen, T D Ngo, K M T T Nguyen, D A Duong, K Nguyen, and D.-D Le, “Re-ranking for person re-identification,” in Soft Computing and Pattern Recognition (SoCPaR), 2013 International Conference of, 2013, pp 304–308 [18] N.-B Nguyen, V.-H Nguyen, T N Duc, D.-D Le, and D A Duong, “AttRel: an approach to person re-identification by exploiting attribute relationships,” in International Conference on Multimedia Modeling, 2015, pp 50–60 [19] X Liu, M Song, Q Zhao, D Tao, C Chen, and J Bu, “Attribute-restricted latent topic model for person re-identification,” Pattern Recognit., vol 45, no 12, pp 4204–4213, 2012 [20] A Li, L Liu, and S Yan, “Person re-identification by attribute-assisted clothes appearance,” in Person Re-Identification, Springer, 2014, pp 119– 138 [21] S K Nayar, “Attribute and Simile Classiers for Face Veri cation,” Compute, no Iccv, 2009 [22] I Sheshadri, Aashish, Endres, “Describing Objects by their Attributes,” no 55 October, pp 1778–1785, 2012 [23] H Chen, A Gallagher, and B Girod, “Describing clothing by semantic attributes,” in European Conference on Computer Vision, 2012, pp 609–623 [24] F X Yu, R Ji, M H Tsai, G Ye, and S F Chang, “Weak attributes for large-scale image retrieval,” Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit., pp 2949–2956, 2012 [25] L J Li, H Su, Y Lim, and L Fei-Fei, “Objects as attributes for scene classification,” Lect Notes Comput Sci (including Subser Lect Notes Artif Intell Lect Notes Bioinformatics), vol 6553 LNCS, no PART 1, pp 57–69, 2012 [26] D A Vaquero, R S Feris, D Tran, L Brown, A Hampapur, and M Turk, “Attribute-based people search in surveillance environments,” 2009 Work Appl Comput Vision, WACV 2009, pp 1–8, 2009 [27] L Bourdev, S Maji, and J Malik, “Describing people: A poselet-based approach to attribute classification,” in 2011 International Conference on Computer Vision, 2011, pp 1543–1550 [28] J Zhu, S Liao, Z Lei, and S Z Li, “Improve pedestrian attribute classification by weighted interactions from other attributes,” Lect Notes Comput Sci (including Subser Lect Notes Artif Intell Lect Notes Bioinformatics), vol 9010, pp 545–557, 2015 [29] R S Society and R S Society, “Regression Shrinkage and Selection via the Lasso,” vol 58, no 1, pp 267–288, 2013 [30] R Tomioka, “Super-Linear Convergence of Dual Augmented Lagrangian Algorithm for Sparse Learning,” vol 12, no 1, pp 1–10, 2009 [31] C Chang and C Lin, “LIBSVM : A Library for Support Vector Machines,” ACM Trans Intell Syst Technol., vol 2, pp 1–39, 2013 [32] B Prosser, W.-S Zheng, S Gong, and T Xiang, “Person Re-Identification by Support Vector Ranking,” Bmvc, vol 1, no 3, p 21.1-21.11, 2010 56 PHỤ LỤC Hình 0.1 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Lightshirt thuộc tính khác 57 Hình 0.2 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Darkshirt thuộc tính khác Hình 0.3 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Greenshirt thuộc tính khác 58 Hình 0.4 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Nocoats thuộc tính khác Hình 0.5 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Notlightdarkjeanscolour thuộc tính khác 59 Hình 0.6 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Darkbottoms thuộc tính khác Hình 0.7 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Lightbottoms thuộc tính khác 60 Hình 0.8 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Hassatchel thuộc tính khác Hình 0.9 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Barelegs thuộc tính khác 61 Hình 0.10 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Shorts thuộc tính khác Hình 0.11 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Male thuộc tính khác 62 Hình 0.12 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Skirt thuộc tính khác Hình 0.13 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Patterned thuộc tính khác 63 Hình 0.14 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Midhair thuộc tính khác Hình 0.15 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Darkhair thuộc tính khác 64 Hình 0.16 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Bald thuộc tính khác Hình 0.17 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Hashandbackcarrry thuộc tính khác 65 Hình 0.18 Biểu đồ biểu diễn hệ số tuyệt đối mối tương quan thuộc tính Hasbackpack thuộc tính khác 66 ... kết phát thuộc tính 2.3 Tái nhận dạng sử dụng đặc trưng ngữ nghĩa Trong phần này, chúng tơi trình bày phương pháp làm sở việc tái nhận dạng nhân vật sử dụng đặc trưng ngữ nghĩa (hay gọi thuộc tính)... hình nghiên cứu nước .20 2.3 Tái nhận dạng sử dụng đặc trưng ngữ nghĩa 21 2.3.1 Đặc trưng ngữ nghĩa .21 2.3.2 Sử dụng đặc trưng ngữ nghĩa 22 Chương CẢI THIỆN BỘ... gần đây, đặc trưng ngữ nghĩa (hay gọi thuộc tính) sử dụng phổ biến đạt nhiều hiệu Luận văn chủ yếu nghiên cứu biểu diễn đặc trưng, cụ thể đặc trưng ngữ nghĩa Đặc trưng ngữ nghĩa sử dụng thuộc