Chương 4 Mơ hình k láng giềng gần nhất sử dụng bộ lượng tử hóa
4.3. Mơ hình bài tốn
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 :
Hình 15. Mơ hình giải quyết bài tốn
Mơ hình bài tốn gồm 2 giai đoạn chính
Giai đoạn 1-Tìm N ảnh tương đồng với ảnh truy vấn : Giai đoạn này tiến hành việc
trích chọn các vector đặc trưng của ảnh truy vấn và ảnh trong cơ sở dữ liệu (vector đặc trưng SIFT), sau đó tìm top N ảnh tương đồng với ảnh truy vấn từ tập ảnh trong cơ sở
35
dữ liệu theo phương pháp tìm kiếm sử dụng bộ lượng tử hóa với phương pháp tính tốn khoảng cách bất đối xứng được trình bày trong phần 4.2. Các vector trong cơ sở dữ liệu được lượng tử hóa trong khi tập vector truy vấn được giữ nguyên. Khoảng cách giữa các vector truy vấn và vector trong cơ sở dữ liệu được tính theo cơng thức (30). Tập N ảnh tương đồng nhất được trả về theo độ đo khoảng cách giữa các vector truy vấn và các vector cơ sở dữ liệu. Tập N ảnh này là đầu vào cho giai đoạn 2.
Giai đoạn 2 –Tìm K láng giềng gần nhất với ảnh truy vấn: Sau khi tiến hành trích
chọn các đặc trưng từ tập N ảnh tương đồng trả về từ giai đoạn 1, sẽ tính tốn độ tương đồng giữa ảnh truy vấn và từng ảnh trả về dựa trên độ đo Ơclit giữa các vector đặc trưng của ảnh. Khoảng cách Ơclit giữa 2 vector đặc trưng x và y được tính :
2 1 ( , ) n i i i d x y x y (34)
Tập K láng giềng gần nhất với ảnh truy vấn được trả về dựa trên độ đo tương đồng này. Ảnh gần nhất là ảnh có độ khoảng cách giữa các vector đặc trưng với ảnh truy vấn ngắn nhất.
Tổng kết chương 4
Chương 4 khóa luận đã trình bày phương pháp tìm kiếm k láng giềng gần nhất sử dụng lượng tử hóa của Hervé Jégou và cộng sự [12], đồng thời đưa ra mơ hình bài tốn tìm kiếm k láng giềng gần nhất dựa theo mơ hình trên sử dụng phương pháp tính khoảng cách bất đối xứng (ADC) kết hợp với độ đo tương đồng về khoảng cách giữa các vector đặc trưng. Trong chương 5, khóa luận trình bày mơ hình thử nghiệm bài tốn, các kết quả đạt được và những nhận xét, đánh giá về kết quả thực nghiệm.
36