Hệ thống bên trái: chèn một vector vào danh sách chỉ mục ngược; hệ thống bên phải: tìm kiếm k láng giềng gần nhất.
4.3. Mơ hình bài tốn
Trong phần (4.2), khóa luận trình bày hệ thống tìm kiếm k láng giềng gần nhất sử dụng tính khoảng cách bất đối xứng trong danh sách chỉ mục ngược (IVFADC) của Hervé Jégou và cộng sự [12]. Mơ hình bài tốn được xây dựng dựa trên cách tính tốn khoảng cách bất đối xứng của hệ thống này kết hợp với độ đo tương đồng về khoảng cách giữa các vector đặc trưng.
4.3.1. Trích chọn đặc trưng ảnh
Đặc trưng cục bộ bất biến SIFT bất biến với việc thay đổi tỉ lệ ảnh, quay ảnh, đôi khi là thay đổi điểm nhìn và thêm nhiễu ảnh hay thay đổi cường độ chiếu sáng của ảnh. Các đặc trưng SIFT này thường được sử dụng trong nhận dạng và tìm kiếm đối tượng[17] Yushi Jing cũng đã dùng đặc trưng SIFT của ảnh trong nghiên cứu về tìm kiếm ảnh sản phẩm sử dụng phương pháp PageRank[30].
Khóa luận sử dụng đặc trưng SIFT trong bài toán tìm kiếm K láng giềng gần nhất và ứng dụng trong tìm kiếm ảnh sản phẩm. Mỗi ảnh được được đặc trưng bởi các vector đặc trưng SIFT 128 chiều.
Quá trình và phương pháp trích chọn các đặc trưng SIFT này đã được khóa luận trình bày chi tiết trong phần 2.6
34
4.3.2. Tìm kiếm K láng giềng gần nhất
Sau khi trích chọn đặc trưng ảnh, khóa luận đưa ra mơ hình tìm kiếm k láng giềng gần nhất dựa trên đặc trưng vừa trích chọn được. Mơ hình này dựa trên phương pháp tìm kiếm k láng giềng gần nhất sử dụng bộ lượng tử hóa của Hervé Jégou sử dụng phương pháp ADC và kết hợp thêm độ đo về khoảng cách Ơclit giữa các vector đặc trưng.
Mơ hình giải quyết bài tốn :