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 k ảng cách bất đối xứng trong ho 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 ủa hệ thống n c ày 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 ất biến với việc thay đổi tỉ lệ ảnh, quay ảnh, b
đơi 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 ử dụng phương pháp PageRank[30 s ].
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.
Q trình và phương pháp trích chọn các đặc trưng SIFT này đ được khóa luận ã
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 ựa trên đặc trưng vừa trích chọn được. d 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 :