TRUY vấn sản PHẨM đồ nội THẤT BẰNG ẢNH

ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN —————  ★  ————— Trần Thành Tân TRUY VẤN SẢN PHẨM ĐỒ NỘI THẤT BẰNG ẢNH LUẬN VĂN THẠC SĨ NGÀNH KHOA HỌC MÁY TÍNH Mã số: 60.48.01.01 TP HỒ CHÍ MINH – NĂM 2017 LỜI CAM ĐOAN Tôi xin cam đoan luận văn cơng trình độc lập riêng tơi Những nội dung tham khảo luận văn nêu rõ nguồn tham khảo liệu ảnh sử dụng để xây dựng hệ thống tìm kiếm sản phẩm chấp thuận đồng ý công ty School Outfitters Các kết nghiên luận văn tơi tự thực hiện, phân tích cách trung thực, khách quan theo mục đích đánh giá đề tài LỜI CẢM ƠN Luận văn kết suốt trình học tập Bên cạnh nỗ lực cá nhân góp ý, hỗ trợ thầy cơ, bạn bè đồng nghiệp đóng vai trò quan trọng để luận văn hồn thành mục tiêu thời hạn Trước tiên xin cảm ơn Tiến sĩ Ngô Đức Thành, kiến thức thầy truyền đạt với khơi mở ý tưởng thầy động lực quan trọng thơi thúc thực đề tài Đồng thời xin cảm ơn thầy Nguyễn Vinh Tiệp nhiệt tình hỗ trợ, đóng góp ý kiến suốt q trình tơi thực luận văn Nếu khơng có chia sẻ kinh nghiệm quý giá thầy Tiệp, chắn cần thêm nhiều thời gian để hoàn thành luận văn Cuối xin gửi lời cảm ơn đến ông David Lewis, anh Huỳnh Sang anh chị đồng nghiệp công ty School Outfitters tin tưởng tạo điều kiện tốt để nội dung luận văn thực sát với nhu cầu thực tiễn Thành phố Hồ Chí Minh, ngày tháng năm 2017 Học viên cao học Khoa học máy tính Khóa TRẦN THÀNH TÂN MỤC LỤC Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh 1.1 Đặt vấn đề 1.2 Mục tiêu, đối tượng phạm vi nghiên cứu 10 1.2.1 Mục tiêu nghiên cứu 10 1.2.2 Đối tượng phạm vi nghiên cứu 12 1.3 Tính ứng dụng đề tài 13 Chương Đặc trưng ảnh cho tốn tìm kiếm sản phẩm nội thất 15 2.1 Những yêu cầu cho hệ thống truy vấn sản phẩm ảnh 15 2.1.1 Độ xác hệ thống 15 2.1.2 Bộ liệu ảnh tốc độ tìm kiếm hệ thống 16 2.1.3 Tính ổn định hệ thống 19 2.2 Các phương pháp cho toán truy vấn ảnh 20 2.2.1 Tìm kiếm theo đặc trưng văn kèm ảnh 20 2.2.2 Tìm kiếm theo đặc trưng nội dung ảnh (CBIR) 22 2.2.3 Tìm kiếm theo đối tượng (OBIR) 23 2.2.4 Kết hợp phương pháp máy học (machine learning) 23 2.3 Lựa chọn đặc trưng ảnh cho hệ thống tìm kiếm sản phẩm nội thất 24 2.3.1 Đặc trưng toàn cục 24 2.3.2 Đặc trưng cục 25 2.3.3 Thử nghiệm với đặc trưng SIFT, SURF HoG 27 Chương Xây dựng hệ thống truy vấn sản phẩm nội thất ảnh 29 3.1 Đặc trưng cục bất biến SIFT 29 3.1.1 Tìm điểm cực trị Scale-Space 30 Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh 3.1.2 Định vị keypoints 32 3.1.3 Mô tả keypoints 33 3.1.4 Xác định hướng cho keypoints lựa chọn 34 3.1.5 Độ đo tương đồng cho đặc trưng SIFT 34 3.1.6 Phương pháp túi từ (Bag-of-Words, BoW) 35 3.1.7 Phương pháp BoW cho toán truy vấn nội dung văn 35 3.1.8 Phương pháp BoW cho toán truy vấn nội dung ảnh (CBIR) 37 3.2 Cơ sở liệu ảnh hệ thống tìm kiếm sản phẩm đồ nội thất 42 3.2.1 Tổ chức tập liệu ảnh 42 3.2.2 Cấu trúc tập tin liệu 43 3.3 Các modules hệ thống tìm kiếm sản phẩm ảnh 45 3.3.1 Search Engine 46 3.3.2 Search Server 47 3.3.3 Portal 48 Chương Triển khai đánh giá hệ thống 49 4.1 Giao diện chương trình 49 4.2 Đánh giá hệ thống 50 4.2.1 Độ xác hệ thống tìm kiếm sản phẩm ảnh 52 4.2.2 Các kết thử nghiệm đánh giá 52 4.3 Kết luận 56 4.3.1 Những vấn đề giải 56 4.3.2 Những hạn chế hệ thống hướng giải 56 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Từ viết đầy đủ STT Từ viết tắt SO School Outfitters CBIR Content Based Image Retrieval QBIC Query Based Image Content SIFT Scale-Invariant Feature Transform SURF Speeded-Up Robust Features DoG Difference-of-Gaussian BoW Bag-of-Words BoVW Bag-of-Visual Words 10 DoVW Dictionary-of-Visual Words DANH MỤC CÁC BẢNG Bảng 2.1 Bảng so sánh độ xác SIFT,SURF HoG 28 Bảng 3.1 Thử nghiệm với liệu sản phẩm ghế 40 Bảng 3.2 Thử nghiệm với liệu sản phẩm bàn 40 Bảng 4.1 Kết đánh giá độ xác với sản phẩm ghế 53 Bảng 4.2 Kết đánh giá độ xác với sản phẩm bàn 54 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1 Sự đa dạng loại đối tượng (ghế).[10] 11 Hình 1.2 Sự đa dạng góc nhìn đối tượng.[10] 12 Hình 1.3 Ảnh chụp sản phẩm (ghế) cơng ty SO.[19] 13 Hình 2.1 Ứng dụng hỗ trợ chụp ảnh truy vấn cho hệ thống 16 Hình 2.2 Phân cấp sản phẩm công ty SO 17 Hình 2.3 Một bàn giống ghế.[19] 18 Hình 2.4 Sản phẩm kết hợp bàn ghế.[19] 18 Hình 2.5 Kết tìm kiếm với từ khóa "Apple".[6] 21 Hình 2.6 Ứng dụng Tag Galaxy.[20] 21 Hình 2.7 Ứng dụng Goggles.[7] 23 Hình 2.8 Đặc trưng tồn cục histogram ảnh.[18] 25 Hình 2.9 Các keypoints rút trích thuật tốn Harris corner detector.[2] 26 Hình 2.10 Vấn đề invariance đối tượng.[2] 27 Hình 3.1 Biểu đồ mơ việc tính tốn DoG từ ảnh kề mờ.[12] 31 Hình 3.2 Mỗi điểm ảnh so sánh với 26 điểm ảnh láng giềng.[12] 32 Hình 3.3 Q trình loại bỏ keypoints khơng phù hợp.[12] 33 Hình 3.4 Vector đặc trưng hướng độ lớn cho keypoints.[12] 34 Hình 3.5 Các từ xuất nhiều lần thể nội dung văn bản.[5] 35 Hình 3.6 Thể hình ảnh khác từ “nón”.[6] 37 Hình 3.7 Thu thập visual word từ ảnh.[5] 38 Hình 3.8 Histogram visual words ảnh.[5] 38 Hình 3.9 Quá trình rút trích visual words/codewords.[14] 39 Hình 3.10 Sự tương đồng loại hình dáng sản phẩm tìm kiếm 41 Hình 3.11 Quá trình tạo sử dụng tập tin mục 44 Hình 3.12 Các modules hệ thống tìm kiếm sản phẩm ảnh 46 Hình 4.1 Giao diện Portal 49 Hình 4.2 Minh họa truy vấn ảnh 50 MỞ ĐẦU Những năm gần bùng nổ liệu thúc đẩy việc ứng dụng trí tuệ nhân tạo xây dựng ứng dụng hỗ trợ trải nghiệm người dùng tốt Dữ liệu nhiều dẫn đến nhu cầu truy vấn liệu cấp thiết, đặc biệt liệu ảnh tính trực quan, chứa đựng nhiều thơng tin Đã có nhiều đề tài truy vấn liệu ảnh nhiều hạn chế Trong phạm vi luận văn thực xây dựng hệ thống liệu để hỗ trợ việc tìm kiếm số loại sản phẩm ảnh cho công ty kinh doanh đồ nội thất Bố cục luận văn gồm bốn chương: • Chương 1: Tổng quan mục tiêu phạm vi thực hệ thống tìm kiếm sản phẩm ảnh Nhu cầu tính ứng dụng đề tài trình bày chương • Chương 2: Nêu vấn đề mà hệ thống tìm kiếm sản phẩm ảnh cần phải giải từ lựa chọn phương pháp xây dựng phù hợp • Chương 3: Chi tiết tổ chức cách xây dựng thành phần hệ thống tìm kiếm sản phẩm ảnh • Chương 4: Đánh giá hệ thống tìm kiếm sản phẩm ảnh kết luận Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh 1.1 Đặt vấn đề Bài tốn tìm kiếm hình ảnh đặt từ sớm cho ngành Thị giác máy tính Sự bùng nổ thiết bị thiết bị di động làm cho số lượng ảnh tải lên mạng Internet tăng lên cách nhanh chóng Theo thống kê năm 2014, ngày có 1,8 tỉ ảnh chia sẻ tải lên Internet [4] Với số lượng ảnh lớn vậy, nhu cầu truy tìm kiếm, truy vấn thông tin trực quan ảnh cần thiết Bên cạnh việc nhu cầu mua sắm trực tuyến nay, khách hàng tìm kiếm đặt mua sản phẩm thông qua mô tả văn (như tên sản phẩm, mã sản phẩm…) bị hạn chế số trường hợp họ cần tìm website sản phẩm tương tự màu sắc, kiểu dáng so với sản phẩm Trong q trình làm việc thực tế cơng ty kinh doanh đồ nội thất trực tuyến, nhu cầu xây dựng hệ thống tìm kiếm sản phẩm hình ảnh đặt Nếu có phương thức hỗ trợ khách hàng tìm kiếm sản phẩm việc cung cấp ảnh trải nghiệm mua sắm thuận tiện thú vị Nhiều hệ thống thử nghiệm tập đoàn lớn xây dựng như: Google Image Search, Google Image Swirl, Bing, Yahoo… Các hệ thống thực việc tìm kiếm ảnh với truy vấn đầu vào văn (các từ khóa) nhập từ người dùng Việc thực tìm kiếm ảnh ảnh người dùng cung cấp nhận nhiều quan tâm Ví dụ ứng dụng Goggles Google Tuy vậy, khác với tìm kiếm văn bản, thách thức việc tìm kiếm ảnh đa dạng liệu, đối tượng có nhiều góc chụp khác đa dạng thân đối tượng (xe có nhiều loại xe khác nhau) Để cải thiện kết tìm kiếm, hệ thống kể xây dựng để phục vụ cho việc tìm kiếm ảnh lĩnh vực (domain) định, giới hạn lại lượng liệu ảnh cần tìm kiếm (chỉ tìm tập liệu ảnh giới Chương Triển khai đánh giá hệ thống Chương Triển khai đánh giá hệ thống 4.1 Giao diện chương trình Hình 4.1 Giao diện Portal Tại trang web Portal, số thơng tin cần cung cấp để thực truy vấn: • Nút “Browse”: Dùng để cung cấp ảnh truy vấn Nếu trang Portal truy cập trình duyệt máy tính, cửa sổ mở để người dùng cung cấp ảnh truy vấn; truy cập trình duyệt thiết bị di động, trình chụp ảnh khởi chạy để người dùng chụp ảnh cung cấp ảnh ảnh truy vấn • Danh sách “Select category”: Người dùng cần xác nhận loại sản phẩm cần tìm kiếm Chọn “Chair” để tìm kiếm sản phẩm ghế; chọn “Table” để tìm kiếm sản phẩm bàn • Giá trị “Top”: Chỉ định số lượng tối đa trả cho kết truy vấn Giá trị mặc định 10 49 Chương Triển khai đánh giá hệ thống Hình 4.2 Minh họa truy vấn ảnh 4.2 Đánh giá hệ thống Hiệu hệ thống truy vấn thông tin thường đánh giá thông qua hai độ đo độ xác (precision) độ phủ (recall) Độ xác (precision) thể số kết phù hợp tổng số kết trả Cơng thức để tích độ xác 𝑃(𝑞) cho truy vấn 𝑞 sau: 𝑃(𝑞) = Với |𝑟𝑒𝑙 (𝑞) ∩ 𝑟(𝑞)| |𝑟(𝑞)| (4.1) 𝑟(𝑞): Các kết trả cho truy vấn 𝑞 𝑟𝑒𝑙(𝑞): Các kết phù hợp với truy vấn 𝑞 liệu 50 Chương Triển khai đánh giá hệ thống Tuy nhiên trình bày phần trên, hệ thống trả tốp 10 kết phù hợp cho lệnh truy vấn nên có kết kết sai độ xác tính sau: 𝑃(𝑞) = = 0.6 = 60% 10 Độ xác xét tốp 10 sản phẩm rút gọn công thức sau 𝑃@10 (𝑞) = |𝑟𝑒𝑙(𝑞) ∩ 𝑟(𝑞)| Độ phủ (recall) thể với truy vấn kết trả có bị thiếu khơng Cơng thức tính độ phủ 𝑅(𝑞) cho truy vấn 𝑞 sau: 𝑅(𝑞) = |𝑟𝑒𝑙 (𝑞) ∩ 𝑟(𝑞)| |𝑟𝑒𝑙 (𝑞)| (4.1) 𝑟(𝑞): Các kết trả cho truy vấn 𝑞 Với 𝑟𝑒𝑙(𝑞): Các kết phù hợp với truy vấn 𝑞 liệu Ví dụ, có kết phù hợp trả cho truy vấn, với truy vấn có đến 20 kết phù hợp hệ liệu Vậy độ phủ là: 𝑅 (𝑞 ) = = 0.25 = 25% 20 Do kết trả cho truy vấn hệ thống tìm kiếm sản phẩm nội thất ảnh danh sách tất sản phẩm có liệu nên thứ tự danh sách xếp theo độ tương đồng ảnh sản phẩm so với ảnh truy vấn Tùy theo nhu cầu người dùng cần truy vấn tốp sản phẩm mà hệ thống danh sách có nhiêu sản phẩm Vì việc đánh giá độ phủ cho hệ thống không cần thiết, nội dung luận văn đánh giá tính hiệu thơng qua độ xác 51 Chương Triển khai đánh giá hệ thống 4.2.1 Độ xác hệ thống tìm kiếm sản phẩm ảnh Với ảnh truy vấn đầu vào hệ thống tìm kiếm trả danh sách sản phẩm tương đồng với số lượng tùy ý Tuy nhiên để đánh giá độ xác hệ thống nội dung luận văn dựa danh sách 10 sản phẩm đầu Lý danh sách kết nên 10 theo thói quen mua hàng khách hàng thường tập trung vào tốp 10 sản phẩm trình bày website công ty Bộ liệu dùng cho việc đánh giá hệ thống gọi corpus Corpus xây dựng cách sau: • Với loại sản phẩm ghế bàn có hai liệu ảnh truy vấn mẫu, loại sản phẩm có 10 ảnh truy vấn mẫu Các ảnh truy vấn mẫu không thuộc liệu sản phẩm công ty đại diện cho loại sản phẩm thường khách hàng tìm mua • Ứng với ảnh truy vấn mẫu liệt kê tất mã sản phẩm kỳ vọng hệ thống trả kết tìm kiếm Danh sách kỳ vọng liệt kê chủ quan theo ý kiến khảo sát từ phía cơng ty Khi thực đánh giá, kết trả có mặt danh sách sản phẩm kỳ vọng tính kết Độ xác hệ thống tính dựa vào tỉ lệ số lượng kết với tổng số lượng trả 10 4.2.2 Các kết thử nghiệm đánh giá 52 Chương Triển khai đánh giá hệ thống Bảng 4.1 Kết đánh giá độ xác với sản phẩm ghế Mã Dữ liệu ảnh Độ xác với 10 ảnh trả C01 C02 10 C03 C04 C05 10 C06 10 C07 C08 53 Chương Triển khai đánh giá hệ thống C09 C10 Bảng 4.2 Kết đánh giá độ xác với sản phẩm bàn Mã Dữ liệu ảnh Độ xác với 10 ảnh trả T01 T02 T03 T04 T05 T06 54 Chương Triển khai đánh giá hệ thống T07 T08 T09 T10 55 Chương Triển khai đánh giá hệ thống 4.3 Kết luận 4.3.1 Những vấn đề giải Hệ thống tìm kiếm thực mục tiêu đề nội dung luận văn: • Hệ thống triển khai dạng website đưa vào sử dụng công ty SO • Thực tìm kiếm sản phẩm ghế bàn ảnh truy vấn người dùng cung cấp kết tìm kiếm danh sách sản phẩm tương ứng có cơng ty • Hệ thống đáp ứng tính khả dụng việc triển khai bảo trì theo yêu cầu sử dụng công ty 4.3.2 Những hạn chế hệ thống hướng giải Hiện hệ thống sử dụng nội chưa đưa thực tế số hạn chế Tuy nhiên hạn chế có phương pháp đề xuất trình thực để cải thiện 4.3.2.1 Độ xác tìm kiếm sản phẩm bàn chưa tốt Với kết đánh giá thực nghiệm, việc tìm kiếm sản phẩm bàn chưa tốt Lý số lượng ảnh sản phẩm bàn khơng nhiều loại bàn không khác biệt nhiều hình dáng Vấn đề cải thiện cách sử dụng đặc trưng cục khác như: màu sắc, vân ảnh (texture) 4.3.2.2 Người dùng phải định loại sản phẩm cần tìm cho ảnh truy vấn Hệ thống cần phải thực việc phân loại sản phẩm (category) cho ảnh truy vấn từ xác định liệu cần tìm kiếm ghế hay bàn cách tự động Để thực việc này, hệ thống bổ sung thêm module tiền xử lý (preprocessor) 56 Chương Triển khai đánh giá hệ thống để thực phân lớp ảnh truy vấn vào hai lớp tương ứng ghế bàn Bài tốn khơng q khó khăn liệu công ty, sản phẩm xác định thuộc loại sản phẩm nào, từ thực gán nhãn (label) cho ảnh sản phẩm tương ứng Khi có liệu ảnh gán nhãn, sử dụng thuật toán phân lớp (classifier) để huấn luyện liệu 57 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Trần Sơn Hải (2007), “Nghiên cứu phương pháp kết hợp đặc trưng màu sắc hình dạng vị trí để truy vấn ảnh”, Luận văn thạc sĩ ngành Tin học, tr 17 Tiếng Anh [2] Adrian Kaehler, Gary Bradski (2017), Learning OpenCV 3, O’Reilly Media, Inc., Sebastopol, CA 95472, USA [3] Amandeep Khokher, Rajneesh Talwar (2012), “Content-based Image Retrieval: Feature Extraction Techniques and Applications”, International Conference on Recent Advances and Future Trends in Information Technology (iRAFIT2012) [4] Business Insider (May 2014), http://www.businessinsider.com [5] Gil's CV blog (2017), https://gilscvblog.com [6] Google Image Search (2017), https://images.google.com/ [7] Google Goggles (2017), https://play.google.com/store/apps/details?id=com.google.android.apps unveil&hl=en [8] H J´egou, M Douze, C Schmid (2008), “Hamming embedding and weak geometric consistency for large scale image search”, In Proc ECCV [9] Herbert Bay, Tinne Tuytelaars, and Luc Van Gool (2008), “SURF: Speeded Up Robust Features”, ETH Zurich, Katholieke Universiteit Leuven 58 [10] Herman Miller (2017), http://www.hermanmiller.com [11] Ji Wan Dayong Wang, Steven C.H Hoi, Pengcheng Wu, Jianke Zhu, Yongdong Zhang, Jintao Li (2014), “Deep Learning for Content-Based Image Retrieval: A Comprehensive Study”, Proceedings of the 22nd ACM international conference on Multimedia, MM’14, pp 157-166 [12] Lowe, D G (2004), “Distinctive image features from scale-invariant keypoints”, International Journal of Computer Vision 2004, 60.(2), pp 91–110 [13] M Eitz, K Hildebrand, T Boubekeur, and M Alexa (2011), “Sketchbased image retrieval: Benchmark and bag-of-features descriptors”, TVCG [14] MathWorks (2017), Image Classification with Bag of Visual Words, https://www.mathworks.com [15] Mohammed Alkhawlani, Mohammed Elmogy, Hazem Elbakry (2015), “Content-Based Image Retrieval using Local Features Descriptors and Bag-of-Visual Words”, International Journal of Advanced Computer Science and Applications, Vol.6, No.9, 2015 [16] Mohamed Aly(2006), “Face Recognition using SIFT Features”, AlyCNS186 Term Project Winter [17] Relja Arandjelović, Andrew Zisserman (2012), “Three things everyone should know to improve object retrieval”, 2012 IEEE Conference on Computer Vision and Pattern Recognition [18] Research Gate, https://www.researchgate.net [19] School Outfitters (2017), https://www.schooloutfitters.com [20] Tag Galax (2017), http://taggalaxy.de 59 Phụ lục A Mẫu liệu đánh giá độ xác hệ thống Các sản phẩm kỳ vọng cho truy vấn sản phẩm ghế Mã Dữ liệu ảnh Các mã sản phẩm kỳ vọng (ngăn cách ‘;’) ALV-CH728; ALV-CH728DH; ALV-CH750; BAL-34434; BAL-3474; BOS-B16205; BOS-B16206; BOS-B16207; GLO-2220-3; GLO-2221-3; OSP-13-37N1P3; OSP-1337N20D; OSP-13-37N30D; OSP-13-37N9WA; OSP-13-37P500D; OSP-13-38N1P3; OSP-13-77N1P3; OSP-13-77N30D; OSP-13-77N9WA; OSP-13-7N1P3; OSP-137N20D-30; OSP-13-7N9WA-30; OSP-13-7N9WA; OSP-13-88N1P3; OSP-13- C01 M22N20D; OSP-13-V22N1WA; OSP-13-V44N1WA; OSP-13-V66N1WA; OSP-13V77N1WA; OSP-13-V88N1WA; OSP-15-37A720D; OSP-15-38Y718G; OSP-1588Y718G; OSP-15-SXM; OSP-1587C-6303; OSP-1587C-6304; OSP-1587C-6306; OSP-1587C-6315; OSP-1587C-6342; OSP-1587C-6352; OSP-1587C; OSP-2387C6306; OSP-2387C-6315; OSP-2387C-6342; OSP-2387C-6352; OSP-2400; OSP-2662; OSP-317-66C61R5; OSP-317-E36C61R5; OSP-317-ME3R2C6KR5; OSP-317ME3R2C7KG5; OSP-317-R22C6KR5; OSP-317-R22C7KG5 ALV-CH724; ALV-CH777; ALV-CH777DH; BAL-34730; BAL-34731; BOSAELD62; BOS-AELD72; BOS-B8601; BOS-B8661; BOS-B8701; BOS-B8901; BOSB8906; BOS-B9226; BOS-B9229; BOS-B9301; BOS-B9306; BOS-B9661; BOSB9666; BOS-B970; BOS-B980-CP; GLO-3966; GLO-3991; GLO-3992; GLO-4003; GLO-4526; OSP-29008; OSP-32-44P918P; OSP-32-44P918PHL; OSP-33347; OSP- C02 37-33N1A7U; OSP-3700; OSP-37006; OSP-3701; OSP-37016; OSP-39006; OSP8000; OSP-8001; OSP-EC1283C-EC3; OSP-EC22070-EC3; OSP-EC22070; OSPEC3393-EC3; OSP-EC4300-EC3; OSP-EC4350-EC3; OSP-EC6582-EC3; OSPEC6582; OSP-EC6583-EC16; OSP-EC6583-EC21; OSP-EC6583-EC3; OSP-EC6583EC4; OSP-EC6583; OSP-EC9230-EC3; OSP-EC9231-EC3; OSP-ECH30627-EC3; OSP-ECH38615A-EC1; OSP-ECH38665A-EC3; OSP-ECH38675A-EC3; AVE-MRG51; AVE-MST51; AVE-PAV51A; AVE-PAV51LF; AVE-PAV51N; AVE-PAV51RF; AVE-SRA51; AVE-WST51A; AVE-WST51LF; AVE-WST51N; AVE-WST51RF; COM-BD5801; COM-CB7501S; COM-HD9901; LNT-1006-SOBLK; LNT-1006-SO; LNT-NAD3001-SO; OFM-821-bt; OFM-821-tt; OFM-831; OFM-3000-BLK; OFM-3000-CRM; OFM-3000-TAU; OFM-3000L-BLK; OFM- C03 3000L-CRM; OFM-3000L-TAU; OFM-3000R-BLK; OFM-3000R-CRM; OFM3000R-TAU; OFM-3001L-BLK; OFM-3001L-CRM; OFM-3001L-TAU; OFM3001LT-BLK-BRZ; OFM-3001LT-BLK-TNG; OFM-3001LT-CRM-BRZ; OFM3001LT-CRM-TNG; OFM-3001LT-TAU-BRZ; OFM-3001LT-TAU-TNG; OFM3001R-BLK; OFM-3001R-CRM; OFM-3001R-TAU; OFM-3001RT-BLK-BRZ; OFM-3001RT-BLK-TNG; OFM-3001RT-CRM-BRZ; OFM-3001RT-CRM-TNG ; OFM-3001RT-CRM-TNG; OFM-3001RT-TAU-BRZ; OFM-3001RT-TAU-TNG; 60 OFM-3002-BLK; OFM-3002-CRM; OFM-3002-TAU; OFM-3002T-BLK-BRZ; OFM-3002T-BLK-TNG; OFM-3002T-CRM-BRZ; OFM-3002T-CRM-TNG; OFM3002T-TAU-BRZ; OFM-3002T-TAU-TNG; LNT-110-C-BLU; LNT-110-C-GRN; LNT-110-C-NVY; LNT-110-C-RED; LNT110-C-YEL; LNT-110-C; LNT-112-C-BLU; LNT-112-C-GRN; LNT-112-C-NVY; LNT-112-C-RED; LNT-112-C-YEL; LNT-112-C; LNT-114-C-BLU; LNT-114-CGRN; LNT-114-C-NVY; LNT-114-C-RED; LNT-114-C-YEL; LNT-114-C; LNT114-CSW-BLK; LNT-114-CSW-GPH; LNT-114-CSW-MORG; LNT-114-CSW- C04 NVY; LNT-114-CSW-SAG; LNT-114-CSW-SBLU; LNT-114-CSW-STN; LNT-114CSW-WNE; LNT-114-CSW; LNT-116-CSW-BLK; LNT-116-CSW-GPH; LNT-116CSW-MORG; LNT-116-CSW-NVY; LNT-116-CSW-SAG; LNT-116-CSW-SBLU; LNT-116-CSW-STN; LNT-116-CSW-WNE; LNT-116-CSW; LNT-118-CSW-BLK; LNT-118-CSW-GPH; LNT-118-CSW-MORG; LNT-118-CSW-NVY; LNT-118CSW-SAG; LNT-118-CSW-SBLU; LNT-118-CSW-STN; LNT-118-CSW-WNE; LNT-118-CSW; SFT-3618SP; SFT-425-FB; SFT-427-FB; SFT-427FB-SO; SFT-435-FB; SFT-435-SP; SFT-455-FB; SFT-485-FB; SFT-525-FB; SFT-525-SP; SFT-535-FB; SFT-545-FB; SFT-555-FB; SFT-585-FB; SFT-585-SP; SFT-623-FB; SFT-627-ELFB; SFT-627FB; SFT-633-FB; SFT-653-FB; SFT-653SP-NVY; SFT-6618FB; SFT-6618SP; SFT-683SP; SFT-687SP; SFT-723-FB; SFT-753-SP; SFT-825-FB; SFT-827-SO; SFT-835-FB; C05 SFT-855-FB; SFT-885-FB; VIR-9400BR; VIR-9400LABR; VIR-9700BR; VIR9700BRM; VIR-N240BR; VIR-N240BRM; VIR-N240BRPL; VIR-N240ELBR; VIRN240ELBRM; VIR-N240ELBRPL; VIR-N240ELNBR; VIR-N240ELNBRM; VIRN240ELNBRPL; VIR-N240NBR; VIR-N240NBRM; VIR-N240NBRPL; VIRN270BR; VIR-N270BRM; VIR-N270ELBR; VIR-N270ELBRM; VIR-N3COBR; VIR-N3CONBR; VIR-N3CORBR; VIR-N3CORNBR SMS-11849; SMS-11851-BLB; SMS-11851-BLK; SMS-11851-BUR; SMS-11851CHA; SMS-11851-CLE; SMS-11851-MIN; SMS-11851-MOC; SMS-11851-NVY; C06 SMS-11851-RED; SMS-11851-WHI; VIR-N912; VIR-N914; VIR-N914FR; VIRN916-SO; VIR-N916; VIR-N918; VIR-7500; VIR-AN12; VIR-AN14; VIR-AN16; VIR-AN18; VIR-AN18EL; VIR-264513; VIR-264515; VIR-264517 HAU-2113; HAU-2123; HAU-2133; HAU-2143; HAU-2150; HAU-2153; HAU2157; ITS-861; ITS-862; ITS-863; ITS-871; ITS-872; ITS-873; ITS-910; ITS-911; C07 ITS-931; ITS-932; ITS-961; ITS-962; ITS-963; ITS-971-PA; ITS-971; ITS-972-PA; ITS-972; ITS-973-PA; ITS-973; ITS-981; ITS-982; ITS-983; ITS-991; ITS-992; ITS993; SPD-ST1; SPD-ST4; SPD-ST5 SUN-AB-ST; CDF-7024; GEC-18; GEC-24; GEC-30; JBO-BSTL18; JBO-BSTL24; JBO-BSTL30; JBO-OSTL18; JBO-OSTL24; JBO-OSTL30; KFI-BR3306-F; KFI- C08 BR3306-V; KFI-BR3306-W; KFI-BR3309-F; KFI-BR3309-V; KFI-BR3309-W; KFIBR3310-U; KFI-BR3310-V; KFI-BR3310-W; KFI-BR3310; KFI-BR3312-F; KFIBR3312-V; KFI-BR3312-W; KFI-BR3315B-NA; KFI-BR3315B; KFI-BR3315C-U; 61 KFI-BR3315C-V; KFI-BR3315C-W; KFI-BR3315C; KFI-BR3315D-F; KFIBR3315D-V; KFI-BR3315D-W; KFI-BR3316-U; KFI-BR3316-V; KFI-BR3316-W; KFI-BR3316; KFI-BR3319D-F; KFI-BR3319D-V; KFI-BR3319D-W; KFIBR3319K-F; KFI-BR3319K-V; KFI-BR3319K-W; SUN-AB-ST; CDF-7024; GEC-18; GEC-24; GEC-30; JBO-BSTL18; JBO-BSTL24; JBO-BSTL30; JBO-OSTL18; JBO-OSTL24; JBO-OSTL30; KFI-BR3306-F; KFIBR3306-V; KFI-BR3306-W; KFI-BR3309-F; KFI-BR3309-V; KFI-BR3309-W; KFIBR3310-U; KFI-BR3310-V; KFI-BR3310-W; KFI-BR3310; KFI-BR3312-F; KFI- C09 BR3312-V; KFI-BR3312-W; KFI-BR3315B-NA; KFI-BR3315B; KFI-BR3315C-U; KFI-BR3315C-V; KFI-BR3315C-W; KFI-BR3315C; KFI-BR3315D-F; KFIBR3315D-V; KFI-BR3315D-W; KFI-BR3316-U; KFI-BR3316-V; KFI-BR3316-W; KFI-BR3316; KFI-BR3319D-F; KFI-BR3319D-V; KFI-BR3319D-W; KFIBR3319K-F; KFI-BR3319K-V; KFI-BR3319K-W; 400GCC; 400GCC; 444GC; GEC-310; GEC-312; GEC-313; GEC-314; GEC-315; C10 KFI-3309-F; KFI-3315D-F; KFI-3315D-V; KFI-3315D-W; KFI-3316-U; KFI-3316V; KFI-3316-W; KFI-3400; KFI-5210 Các sản phẩm kỳ vọng cho truy vấn sản phẩm bàn Mã Dữ liệu ảnh Các mã sản phẩm kỳ vọng (ngăn cách ‘;’) OFM-66242; OFM-6626; OFM-66266; OFM-66348; OFM-66366; OFM-77348; T01 SCH-66349; SCH-66361;PAR-P1TD; PAR-P2TD; REG-SDP6030-MH; REGSSP4224JV; SCH-66349; SCH-66361; SMS-2400X; SMS-24010; T02 T03 T04 OFM-66120; OFM-66150; OFM-66242; OFM-6626; OFM-66266; OFM-66348; OFM-66366; SCH-66349; SCH-66361; SMS-2400X; SMS-24010 OFM-66120; OFM-66150; OFM-66242; OFM-6626; OFM-66266; OFM-66348; OFM-66366; SCH-66349; SCH-66361; SMS-2400X; SMS-24010 OFM-66120; OFM-66150; OFM-66242; OFM-6626; OFM-66266; OFM-66348; OFM-66366; SCH-66349; SCH-66361; SMS-2400X; SMS-24010 62 SMS-01476; SMS-01476V; SMS-01477; SMS-27345; SMS-27346; SMS- T05 OF2027XXXXPLTAL; SMS-OF2027XXXXPLTFL; VIR-751; VIR-751M; VIR-785; VIR-785M; VIR-785MBB; VIR-ZADJ2026BOXM; VIR-ZADJ2026BRTM; VIRZADJ2031BOXM; SMS-01476; SMS-01476V; SMS-01477; SMS-27345; SMS-27346; SMS- T06 OF2027XXXXPLTAL; SMS-OF2027XXXXPLTFL; VIR-751; VIR-751M; VIR-785; VIR-785M; VIR-785MBB; VIR-ZADJ2026BOXM; VIR-ZADJ2026BRTM; VIRZADJ2031BOXM; NAI-12436GS; NAI-12436GSU; SCH-66349; SCH-66361;PAR-P1TD; PAR-P2TD; T07 REG-SDP6030-MH; REG-SSP4224JV; SCH-66349; SCH-66361; SMS-2400X; SMS-24010 T08 MAY-ACTR42; MAY-CTRND; MAY-EOTR24D; MAY-M102C; MAY-M102R; MAY-M103R; MAY-M106R; MAY-MRTDB48; MAY-SCR48; MAY-TCR42; AMT-PTR3642; AMT-PTR4230; MAY-MRTDB48; MAY-NCR48; MAY-RTDB42; T09 MAY-SCR48; OFM-CCLT24RD; OFM-CCLT30RD; OFM-CFT24RD; OFMCFT30RD; OFM-FT36RD; OFM-MT36RD LNT-TSU1051R-SO-CHY; LNT-TSU1051R-SO-MAP; LNT-TSU1051R-SO-WHI; LNT-TSU1069R-PK-SO; LNT-TSU1069R-SO-BLK; LNT-TSU1069R-SO-CHY; T10 LNT-TSU3000SM-SO-BLK; LNT-TSU3000SM-SO-CHY; LNT-TSU3000SM-SOMAP; LNT-TSU3001BK-SO-BLK; LNT-TSU3001BK-SO-CHY; LNT-TSU3001BKSO-MAP 63 ... thống tìm kiếm sản phẩm ảnh kết luận Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh 1.1 Đặt vấn đề Bài tốn tìm kiếm hình ảnh đặt từ sớm... tìm kiếm ảnh đồ nội thất cần thực trước bắt tay xây dựng hệ thống Một số thách thức đặc trưng việc tìm kiếm sản phẩm đồ nội thất: 10 Chương Khái quát truy vấn sản phẩm đồ nội thất ảnh • Đa dạng... Chương Xây dựng hệ thống truy vấn sản phẩm nội thất ảnh Chương Xây dựng hệ thống truy vấn sản phẩm nội thất ảnh Hệ thống tìm kiếm sản phẩm ứng dụng mà đầu vào (input) hệ thống ảnh người dùng cung