Tổng quan luận án

Luận án tiến sĩ toán học với đề tài "Nâng cao hiệu quả tra cứu ảnh dựa trên hiệu chỉnh độ đo tương tự và phản hồi liên quan" được thực hiện bởi nghiên cứu sinh Ngô Trường Giang, dưới sự hướng dẫn khoa học của PGS. Ngô Quốc Tạo và TS. Nguyễn Đức Dũng tại Học viện Khoa học và Công nghệ thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam (chuyên ngành Cơ sở Toán học cho Tin học, mã số: 62 46 01 10, bảo vệ năm 2017).

Trong bối cảnh khối lượng hình ảnh kỹ thuật số gia tăng nhanh chóng trên mạng Internet và các kho lưu trữ số, nhu cầu quản lý và khai thác hiệu quả cơ sở dữ liệu ảnh lớn trở nên thiết yếu. Phương pháp tra cứu ảnh dựa trên từ khóa hoặc chú thích thủ công bộc lộ nhiều hạn chế do tiêu tốn nhân lực, mang tính chủ quan của người gán nhãn và khó mở rộng quy mô. Kỹ thuật chú thích ảnh tự động bằng học máy thống kê phụ thuộc lớn vào chất lượng dữ liệu huấn luyện ban đầu. Do đó, phương pháp tra cứu ảnh dựa trên nội dung (Content-Based Image Retrieval - CBIR) thông qua việc tự động trích chọn các đặc trưng thị giác (màu sắc, kết cấu, hình dạng) đã được phát triển để mô tả nội dung ảnh một cách nhất quán.

Tuy nhiên, khoảng cách ngữ nghĩa (semantic gap) giữa các đặc trưng mức thấp và khái niệm ngữ nghĩa mức cao trong nhận thức của người dùng vẫn là rào cản chính khiến độ chính xác của các hệ thống CBIR chưa đạt yêu cầu. Luận án xác định hai khoảng trống nghiên cứu trọng tâm:

  1. Xây dựng độ đo tương tự phù hợp cho từng đặc trưng phức tạp (đặc biệt là đặc trưng hình dạng) và mô hình kết hợp nhiều đặc trưng có tính đến sự tương tác lẫn nhau.
  2. Khai thác hiệu quả thông tin phản hồi liên quan (Relevance Feedback - RF) từ người dùng trong điều kiện dữ liệu mẫu huấn luyện khan hiếm và mất cân bằng để thu hẹp khoảng cách ngữ nghĩa sau số vòng phản hồi tối thiểu.

Mục tiêu tổng quát của luận án là cải tiến một số phương pháp CBIR nhằm nâng cao hiệu quả tra cứu ảnh dựa trên việc hiệu chỉnh độ đo tương tự và kỹ thuật phản hồi liên quan. Các mục tiêu cụ thể được xác định như sau:

  1. Xây dựng độ đo tương tự hiệu quả: Cải tiến phương pháp tính toán độ đo tương tự cho hình dạng dựa trên đối sánh xương của đối tượng và xây dựng mô hình kết hợp nhiều đặc trưng thị giác.
  2. Khai thác thông tin phản hồi từ người dùng: Nghiên cứu kỹ thuật học chủ động dựa trên máy véc-tơ hỗ trợ (SVM) để tối ưu hóa việc lựa chọn mẫu huấn luyện, giúp hệ thống đạt độ chính xác cao sau ít vòng phản hồi nhất.

Đối tượng nghiên cứu của luận án là các thuật toán, mô hình toán học phục vụ trích chọn đặc trưng, tính toán độ đo khoảng cách, đối sánh đồ thị xương, lý thuyết độ đo mờ - tích phân Choquet và học máy trong hệ thống CBIR. Phạm vi nghiên cứu về hình dạng giới hạn ở các đối tượng độc lập (hình chiếu đối tượng biểu diễn dưới dạng ảnh nhị phân với đối tượng mang giá trị 0 và nền mang giá trị 1). Phạm vi dữ liệu thực nghiệm gồm các tập dữ liệu chuẩn: Kimia's 99, Kimia's 216, MPEG-7, Corel15K, Caltech101 và Oliva.

Tổng quan tài liệu và vị trí của luận án

Luận án điểm lại lịch sử phát triển của hệ thống CBIR từ khi thuật ngữ này được Kato đề xuất năm 1992. Nhiều hệ thống thương mại và thử nghiệm nghiên cứu đã ra đời trong giai đoạn thập niên 1990 như QBIC (1995), Virage (1997), NEC AMORE (1999), MIT Photobook, Columbia VisualSEEK và WebSEEK, UCSB Netra, Stanford WBIIS.

Về trích chọn đặc trưng mức thấp và độ đo tương tự:

  • Đặc trưng màu sắc: Biểu đồ màu (Color Histogram) của Swain và Ballard (1991); các mô men phân bố màu bậc nhất, bậc hai, bậc ba được kiểm chứng bởi Stricker và Orengo (1995) trong hệ thống QBIC; không gian màu HSV đề xuất bởi Smith và cộng sự (1996).
  • Đặc trưng kết cấu: Mẫu nhị phân cục bộ (Local Binary Pattern - LBP) của Ojala và cộng sự (2002); biến đổi Gabor Wavelet 2 chiều mở rộng từ Daugman (1985); đặc trưng GIST tổng hợp bởi Oliva và Torralba (2001).
  • Đặc trưng hình dạng: Biểu đồ hệ số góc (Sobel, Canny); ngữ cảnh hình dạng (Shape Context - SC) của Belongie và cộng sự (2002); khoảng cách trong (Inner Distance SC) của Ling và cộng sự (2007); biểu diễn trục trung vị / xương của Blum (1967) cùng các phương pháp cắt tỉa nhánh xương của Bai, Latecki (2007, 2008) và Siddiqi (1999).
  • Đối sánh đồ thị: Các nghiên cứu đối sánh siêu đồ thị và siêu đồ thị kết hợp của Duchenne và cộng sự (2011).

Về kết hợp nhiều đặc trưng:

  • Các phép toán hợp nhất cố định (Min, Max, Sum) khảo sát bởi Kittler (1998); kết hợp tuyến tính có trọng số bởi Rui và cộng sự (1998); logic Boolean trong Blobworld của Carson và hệ thống MARS; logic mờ của Fagin (1998); thuật toán di truyền của Cho và cộng sự (2005); phương pháp học cục bộ của Aggarwal (2001).

Về phản hồi liên quan và kỹ thuật học máy:

  • Cập nhật truy vấn: Cập nhật trọng số của Ishikawa (1998), dịch chuyển truy vấn và mở rộng truy vấn của Muneesa, Widyantoro (2000, 2003).
  • Học quy nạp: Mạng nơ-ron, cây quyết định của Mac Arthur (2000), phân lớp Bayesian của Su (2011), Boosting của Tieu (2000), SVM của Tong và Chang (2001), Fuzzy SVM của Wu (2000).
  • Học truyền dẫn và xếp hạng đa tạp (Manifold Ranking - MR): He và cộng sự (2004), Wang (2010), Wan (2008), Liu (2010), Han (2011).

Khoảng trống nghiên cứu luận án lựa chọn giải quyết:

  • Trong đối sánh hình dạng: Xương đối tượng rất nhạy cảm với biến dạng đường bao, nhiễu và biến đổi tô-pô. Các phương pháp trước đây chủ yếu dựa vào cây xương hoặc cấu trúc đồ thị thông thường mà chưa tích hợp đầy đủ thông tin hình học bậc cao và cấu trúc cụm đỉnh để đảm bảo tính bất biến.
  • Trong kết hợp đặc trưng: Đa số các công trình giả định các đặc trưng thị giác độc lập nhau và áp dụng tổ hợp tuyến tính, bỏ qua sự tương tác phi tuyến (tác động qua lại) giữa các nhóm đặc trưng khi cùng xuất hiện.
  • Trong phản hồi liên quan: Đa số thuật toán học máy gặp trở ngại lớn do người dùng chỉ cung cấp số lượng mẫu gán nhãn rất nhỏ và số mẫu âm (không liên quan) thường áp đảo mẫu dương (liên quan). Luận án giải quyết vấn đề chọn mẫu huấn luyện trong học chủ động SVM nhằm tối ưu hóa độ chính xác sau ít vòng tương tác.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án sử dụng kết hợp nền tảng toán học giải tích, hình học vi phân, lý thuyết đồ thị, lý thuyết độ đo mờ và các mô hình học máy thống kê.

Khung lý thuyết và công thức toán học sử dụng

  1. Biểu diễn màu sắc và mô men thống kê:

    • Mô men bậc một (trung bình): $$\mu_i = \frac{1}{N} \sum_{j=1}^N p_{ij}$$
    • Mô men bậc hai (độ lệch chuẩn): $$\sigma_i = \sqrt{\frac{1}{N} \sum_{j=1}^N (p_{ij} - \mu_i)^2}$$
    • Mô men bậc ba (độ lệch): $$s_i = \sqrt[3]{\frac{1}{N} \sum_{j=1}^N (p_{ij} - \mu_i)^3}$$ Trong đó $p_{ij}$ là giá trị điểm ảnh thứ $j$ trên kênh màu thứ $i$, $N$ là tổng số điểm ảnh.

  2. Biểu đồ hệ số góc (Edge Direction Histogram): Sử dụng toán tử tích chập Sobel $G_x, G_y$ để xác định góc hướng biên: $$\theta = \arctan\left(\frac{G_y}{G_x}\right)$$ Biểu đồ được lượng tử hóa theo $m$ khoảng (bin) và chuẩn hóa: $EDH(i) = \frac{ED(i)}{N}$.

  3. Mẫu nhị phân cục bộ (LBP): $$LBP_{P,R} = \sum_{p=0}^{P-1} S(g_p - g_c) 2^p$$ với $S(x) = 1$ nếu $x \ge 0$ và $S(x) = 0$ nếu $x < 0$. Độ đo biến thiên chuyển mức $U(LBP_{P,R})$ được dùng để xác định các mẫu đồng nhất (uniform patterns).

  4. Biến đổi Gabor Wavelet rời rạc: $$G_{sk}(x, y) = \sum_z \sum_t I(x-z, y-t) g_{sk}^*(z, t)$$ với $g_{sk}(x,y)$ là hàm Gauss 2 chiều được co giãn và quay theo thang $s$ và hướng $k$.

  5. Các độ đo khoảng cách cổ điển: Khoảng cách Manhattan ($L_1$), khoảng cách Ơ-cơ-lit có trọng số ($L_2$): $$D_{L2}(x,y) = \sqrt{\sum_{j=1}^n \omega_j (x_j - y_j)^2}$$ Khoảng cách Hausdorff ($D_H$), phân kỳ Kullback-Leibler ($D_{KL}$), và khoảng cách dịch chuyển Trái đất (Earth Mover's Distance - EMD).

  6. Lý thuyết độ đo mờ và tích phân Choquet: Sử dụng độ đo mờ $g$ trên tập các đặc trưng $X = {x_1, x_2, \dots, x_n}$ thỏa mãn tính đơn điệu và tính chuẩn hóa, áp dụng tích phân Choquet rời rạc để tính khoảng cách tổng hợp có tính đến sự phụ thuộc giữa các đặc trưng.

  7. Lý thuyết siêu đồ thị và học chủ động SVM: Mô hình hóa khung xương đối tượng thành siêu đồ thị xương (Skeleton Hyper-Graph - SHG), sử dụng siêu cạnh bậc 3 so sánh sin của các góc tam giác để đạt tính bất biến tỷ lệ. Mô hình SVM tìm siêu phẳng phân lớp tối ưu, kết hợp hàm mục tiêu học chủ động để truy vấn các mẫu chưa gán nhãn có độ không chắc chắn cao nhất.

Dữ liệu thực nghiệm

Hiệu năng của các phương pháp được kiểm chứng định lượng trên các tập dữ liệu ảnh chuẩn:

Tập dữ liệu Số lượng ảnh Số lớp Đặc điểm dữ liệu
Kimia's 99 99 9 Mỗi lớp có 11 ảnh hình dạng; có ảnh bị khuyết hoặc thừa một phần
Kimia's 216 216 18 Mỗi lớp có 12 ảnh hình dạng; đối tượng bị che khuất một phần
MPEG-7 1.400 70 Mỗi lớp có 20 ảnh hình dạng đối tượng đa dạng
Corel15K 15.000 150 Mỗi lớp có 100 ảnh tự nhiên với các chủ đề ngữ nghĩa khác nhau
Caltech101 9.144 101 Từ 40 đến 800 ảnh/lớp, biểu diễn các đối tượng đời thực
Oliva 2.600 8 260 đến 409 ảnh/lớp thuộc 8 chủ đề cảnh quan thiên nhiên và đô thị

Độ đo đánh giá hiệu năng gồm Độ chính xác ($Precision$), Độ triệu hồi ($Recall$) và Độ chính xác trung bình ($MAP$ - Mean Average Precision): $$Precision_q = \frac{|R_A|}{|A|}, \quad Recall_q = \frac{|R_A|}{|R|}, \quad MAP = \frac{1}{Q} \sum_{q=1}^Q \frac{1}{N_R} \sum_{i=1}^{N_R} Precision_q(i)$$

Nội dung chính theo từng chương

Chương 1: Tra cứu ảnh dựa trên nội dung

Chương 1 thiết lập khung lý thuyết tổng quan về hệ thống CBIR, phân tích chi tiết quy trình xử lý ngoại tuyến (offline - trích chọn đặc trưng toàn bộ cơ sở dữ liệu, đánh chỉ mục) và trực tuyến (online - phân tích ảnh truy vấn, đối sánh tương tự, phản hồi người dùng). Các phương pháp truy vấn chính được phân tích gồm: Truy vấn theo mẫu (Query By Example - QBE), Truy vấn theo đặc tính (Query By Feature - QBF), và Truy vấn dựa trên thuộc tính (Attribute-Based Queries). Trong đó, mô hình QBE được chọn làm nền tảng cho toàn bộ thực nghiệm.

Chương này trình bày chi tiết các kỹ thuật biểu diễn không gian màu (RGB, HSV), các bộ mô tả màu sắc (biểu đồ màu, mô men màu), bộ mô tả biên (biểu đồ hệ số góc Sobel), bộ mô tả kết cấu (LBP, Gabor Wavelet) và đặc trưng GIST (vector 512 chiều từ 32 bộ lọc Gabor chia lưới 4x4). Chương 1 phân tích nguyên nhân tạo nên khoảng cách ngữ nghĩa và tổng hợp các tiếp cận phản hồi liên quan, chỉ ra rằng việc coi các đặc trưng độc lập khi kết hợp tuyến tính hoặc việc áp dụng máy học thông thường khi mẫu phản hồi khan hiếm là những rào cản kỹ thuật chính cần giải quyết.

Chương 2: Độ đo tương tự hình dạng dựa trên đối sánh đồ thị xương

Chương 2 giải quyết bài toán đối sánh hình dạng dựa trên trục trung vị (xương đối tượng) dưới dạng ảnh nhị phân. Tác giả chỉ rõ các thách thức: cấu trúc tô-pô xương rất nhạy cảm với các biến dạng nhỏ trên đường bao đối tượng (hai đối tượng cùng lớp có thể có tô-pô xương khác nhau và ngược lại), các nhánh nhiễu xuất hiện nhiều đòi hỏi phải qua bước cắt tỉa (pruning), và điểm nút giao xương thường không ổn định.

Để khắc phục, luận án đề xuất phương pháp đối sánh hình dạng sử dụng cấu trúc siêu đồ thị xương (Skeleton Hyper-Graph - SHG) kết hợp đường dẫn xương và các cụm đỉnh cuối. Luận án xây dựng độ tương tự bậc cao ($\delta = 3$) thông qua việc so sánh tỷ lệ hình học giữa các tam giác tạo bởi bộ 3 đỉnh (dựa trên hàm sin của các góc tương ứng), giúp thuật toán đạt tính bất biến với phép biến đổi tỷ lệ, quay và dịch chuyển. Các thực nghiệm được tiến hành trên tập Kimia's 99, Kimia's 216 và MPEG-7:

  • Bảng 2.1 ghi nhận số lượng ảnh tra cứu đúng tại các vị trí gần nhất trên tập Kimia's 99 (đạt mức tối ưu tiệm cận giá trị 99).
  • Bảng 2.2 thể hiện kết quả vượt trội trên tập Kimia's 216 (với mức chuẩn 216 ảnh).
  • Bảng 2.3 và Hình 2.19 chứng minh phương pháp duy trì độ chính xác cao trên các lớp ảnh phức tạp của MPEG-7 (ngựa biến dạng, hình người thay đổi số chân, voi có cấu trúc hình học khác nhau).

Chương 3: Tích hợp đặc trưng trong phản hồi liên quan

Chương 3 tập trung giải quyết việc kết hợp nhiều đặc trưng thị giác để xây dựng độ đo tương tự tổng thể. Luận án chỉ ra rằng các mô hình kết hợp tuyến tính truyền thống hoặc logic Boolean không phản ánh được tính tương tác phi tuyến (tính chất bổ trợ hoặc triệt tiêu lẫn nhau) giữa các đặc trưng khi cùng xuất hiện.

Luận án đề xuất mô hình tích hợp đặc trưng dựa trên độ đo mờ và tích phân Choquet. Mô hình cho phép học trọng số liên quan của từng đặc trưng đơn lẻ đồng thời xác định mức độ tương tác giữa các nhóm đặc trưng dựa trên thông tin phản hồi từ người dùng. Kết quả thực nghiệm trên tập Caltech101 (9.144 ảnh) và Corel15K (15.000 ảnh) được thể hiện qua các biểu đồ:

  • Hình 3.2 và 3.3 so sánh hiệu quả tra cứu giữa các loại độ đo mờ khác nhau.
  • Hình 3.4 và 3.5 đối chiếu mô hình tích hợp dựa trên tích phân Choquet với các mô hình kết hợp truyền thống (tuyến tính, chuẩn hóa tổng, Min/Max), chứng minh độ chính xác trung bình (MAP) của phương pháp đề xuất luôn cao hơn trên cả hai tập dữ liệu lớn.

Chương 4: Học chủ động SVM dựa trên phản hồi liên quan

Chương 4 nghiên cứu giải pháp thu hẹp khoảng cách ngữ nghĩa trong CBIR bằng kỹ thuật phản hồi liên quan dựa trên học chủ động với máy véc-tơ hỗ trợ (Support Vector Machine - SVM). Thách thức lớn nhất trong môi trường phản hồi liên quan thực tế là số lượng ảnh người dùng gán nhãn rất ít trong mỗi phiên làm việc và có sự mất cân đối nghiêm trọng giữa số lượng mẫu âm (không liên quan) và mẫu dương (liên quan).

Luận án xây dựng một hàm lựa chọn tập huấn luyện mới cho học chủ động SVM. Thay vì chọn mẫu ngẫu nhiên hoặc chỉ chọn các mẫu chắc chắn nhất (học bị động), hàm lựa chọn này đánh giá mức độ không chắc chắn của các ảnh chưa gán nhãn dựa trên khoảng cách hình học tới mặt phân cách siêu phẳng SVM, đồng thời đảm bảo tính đa dạng của tập mẫu được chọn để truy vấn người dùng.

Kết quả thực nghiệm trên các tập dữ liệu khẳng định:

  • Hình 4.2 và 4.3 minh chứng sự cải thiện rõ rệt của kết quả tra cứu: từ trạng thái ban đầu chưa có phản hồi đến kết quả chính xác cao sau 4 vòng phản hồi.
  • Hình 4.4 phân tích mối quan hệ giữa độ chính xác trung bình và các tốp ảnh trả về (từ vòng 1 đến vòng 4).
  • Hình 4.5 thể hiện mối quan hệ giữa độ chính xác trung bình và số lần lặp trên các nhóm tốp 20, 40, 60 và 80 ảnh đầu tiên, cho thấy hệ thống hội tụ nhanh về độ chính xác mong muốn chỉ sau một vài vòng lặp đầu tiên.

Kết quả và những đóng góp mới

Căn cứ theo văn bản luận án, các đóng góp mới về mặt khoa học và kỹ thuật bao gồm 3 nội dung chính:

  1. Đóng góp về đối sánh hình dạng: Cải tiến kỹ thuật đối sánh hình dạng đối tượng dựa trên đối sánh đồ thị xương thông qua việc nhúng thông tin cấu trúc bậc ba (siêu đồ thị xương SHG) và cụm đỉnh cuối, nâng cao độ chính xác tra cứu ảnh đối với các đối tượng có biến dạng đường bao, khuyết thiếu hoặc có khớp nối mềm.
  2. Đóng góp về mô hình kết hợp đặc trưng: Đề xuất mô hình kết hợp nhiều đặc trưng thị giác để xây dựng độ đo tương tự dựa trên lý thuyết độ đo mờ và tích phân Choquet, giải quyết được bài toán mô hình hóa sự tương tác và phụ thuộc lẫn nhau giữa các đặc trưng.
  3. Đóng góp về kỹ thuật học phản hồi: Đề xuất kỹ thuật lựa chọn dữ liệu trong mô hình học chủ động SVM với phản hồi liên quan, khắc phục hiệu quả hiện tượng mất cân bằng mẫu và khan hiếm dữ liệu huấn luyện, giúp nâng cao độ chính xác tra cứu với số vòng phản hồi ít nhất.

Về mặt giải pháp ứng dụng, luận án đề xuất quy trình tích hợp các thuật toán trên vào hệ thống CBIR hoàn chỉnh dạng truy vấn theo mẫu (QBE), từ khâu trích chọn đặc trưng đa dạng (màu sắc, kết cấu, hình dạng) đến khâu tương tác thích nghi với người dùng.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên phạm vi và nội dung được tác giả trình bày:

  • Về phân đoạn ảnh: Luận án chỉ giới hạn khảo sát và tính toán độ tương tự hình dạng trên các ảnh nhị phân của đối tượng độc lập đã được phân đoạn sẵn; chưa tích hợp thuật toán phân đoạn ảnh tự động trực tiếp từ ảnh màu phức tạp chứa nhiều đối tượng đan xen.
  • Về độ phức tạp tính toán: Việc tính toán đối sánh trên cấu trúc siêu đồ thị xương bậc cao ($\delta = 3$) và biểu diễn ma trận liên thuộc đòi hỏi chi phí tính toán đáng kể khi mở rộng quy mô cơ sở dữ liệu lên hàng triệu ảnh.
  • Hướng nghiên cứu tiếp theo: Mở rộng nghiên cứu các giải pháp phân đoạn đối tượng tự động trong không gian ảnh tự nhiên; tối ưu hóa cấu trúc dữ liệu đánh chỉ mục cho siêu đồ thị xương và tích phân Choquet để giảm thời gian đáp ứng trực tuyến; thử nghiệm mô hình học chủ động trên các cơ sở dữ liệu ảnh có quy mô lớn hơn.

Giá trị tham khảo

Luận án là tài liệu chuyên khảo có giá trị trong các lĩnh vực:

  • Đối với nghiên cứu sinh và học viên cao học ngành Toán tin, Khoa học máy tính, Thị giác máy tính: Cung cấp cơ sở toán học chi tiết về lý thuyết trục trung vị, biểu diễn siêu đồ thị, lý thuyết độ đo mờ - tích phân Choquet và các giải thuật tối ưu hóa trong học máy (SVM, Active Learning).
  • Đối với giảng viên và chuyên gia xử lý ảnh: Các công thức toán học về trích chọn đặc trưng mức thấp (Sobel, LBP, Gabor Wavelet, GIST) và hệ thống độ đo khoảng cách ($L_1, L_2$, EMD, Hausdorff, K-L) tại Chương 1 và Chương 2 có thể sử dụng làm tài liệu giảng dạy và thiết kế thuật toán.
  • Đối với các kỹ sư phát triển hệ thống tra cứu đa phương tiện: Mô hình phản hồi liên quan học chủ động tại Chương 4 cung cấp giải pháp thực tế để cải thiện trải nghiệm người dùng trong các ứng dụng tìm kiếm ảnh chuyên ngành (y tế, viễn thám, nhận dạng sản phẩm thương mại).

Câu hỏi thường gặp

1. Luận án giải quyết vấn đề gì của biểu diễn khung xương truyền thống trong nhận dạng hình dạng?
Luận án giải quyết tính nhạy cảm của khung xương trước sự biến đổi đường bao, nhiễu và sự không ổn định của các nút giao xương bằng cách xây dựng mô hình siêu đồ thị xương (SHG), sử dụng đường dẫn xương, cụm đỉnh cuối và độ tương tự hình học bậc 3 (so sánh sin các góc tam giác) để đảm bảo tính bất biến với tỷ lệ, phép quay và phép tịnh tiến.

2. Tại sao luận án lại sử dụng tích phân Choquet để kết hợp nhiều đặc trưng ảnh?
Các phương pháp kết hợp tuyến tính hoặc logic thông thường giả định các đặc trưng hoàn toàn độc lập. Tích phân Choquet dựa trên độ đo mờ cho phép mô hình hóa và tính toán được sự tương tác, phụ thuộc lẫn nhau giữa các đặc trưng khi chúng cùng xuất hiện để phản ánh chính xác hơn nội dung ảnh.

3. Kỹ thuật học chủ động SVM trong luận án khắc phục nhược điểm mất cân bằng dữ liệu phản hồi như thế nào?
Luận án xây dựng hàm lựa chọn tập huấn luyện dựa trên khoảng cách tới mặt phân cách siêu phẳng của SVM kết hợp đánh giá độ không chắc chắn và tính đa dạng của mẫu, giúp chọn ra những mẫu mang nhiều thông tin nhất để người dùng gán nhãn, từ đó định hình lại đường biên phân lớp chính xác mà không bị lệch về phía mẫu âm.

4. Những tập dữ liệu chuẩn nào đã được sử dụng để kiểm chứng các đề xuất trong luận án?
Các thuật toán được kiểm chứng trên 6 tập dữ liệu chuẩn: Kimia's 99, Kimia's 216, MPEG-7 (dành cho đối sánh hình dạng), Corel15K, Caltech101 và Oliva (dành cho kết hợp đặc trưng và phản hồi liên quan).

Kết luận

Luận án của nghiên cứu sinh Ngô Trường Giang đã giải quyết trọn vẹn hai bài toán trọng tâm trong tra cứu ảnh dựa trên nội dung (CBIR): nâng cao độ chính xác của độ đo tương tự hình dạng bằng siêu đồ thị xương và thu hẹp khoảng cách ngữ nghĩa thông qua mô hình kết hợp đặc trưng bằng tích phân Choquet cùng kỹ thuật học chủ động SVM trong phản hồi liên quan. Toàn bộ các đề xuất lý thuyết đều được xây dựng trên nền tảng toán học chặt chẽ và được xác thực qua thực nghiệm định lượng trên các tập dữ liệu chuẩn. Công trình đóng góp thiết thực cho sự phát triển của chuyên ngành Cơ sở Toán học cho Tin học trong lĩnh vực thị giác máy và xử lý thông tin đa phương tiện.