PHÁT TRIỂN MÔ HÌNH TÌM KIẾM ẢNH DỰA TRÊN CẤU TRÚC KD-TREE
Khoa học máy tính
Luận án này tập trung vào việc phát triển các mô hình tìm kiếm ảnh hiệu quả dựa trên cấu trúc dữ liệu đa chiều KD-Tree, nhằm giải quyết nhu cầu ngày càng tăng về quản lý và truy xuất dữ liệu ảnh số. Trong bối cảnh ảnh số đóng vai trò quan trọng trong các ứng dụng như phân loại bệnh nhân hay nhận diện đối tượng, việc tối ưu hóa khả năng lưu trữ và thời gian tìm kiếm là cần thiết. Luận án đã nghiên cứu và cải tiến cấu trúc KD-Tree để phù hợp với dữ liệu véc-tơ đặc trưng hình ảnh, mang lại kết quả khả quan về khả năng lưu trữ linh hoạt theo sự tăng trưởng dữ liệu và thời gian tìm kiếm ổn định.
Các hạn chế của các phương pháp tìm kiếm ảnh truyền thống, đặc biệt là về khả năng mở rộng lưu trữ và tốc độ tìm kiếm trên các tập dữ liệu lớn, đã được xem xét. Hướng tiếp cận tìm kiếm ảnh theo ngữ nghĩa sử dụng Ontology được đánh giá là tiềm năng. Mục tiêu chính của luận án bao gồm: nghiên cứu sâu về cấu trúc KD-Tree và xây dựng các thuật toán thao tác để lưu trữ véc-tơ đặc trưng hình ảnh; phát triển cấu trúc KD-Tree, bổ sung ngữ nghĩa cho bộ dữ liệu thực nghiệm để thực hiện mô hình tìm kiếm ảnh ngữ nghĩa; và xây dựng mô hình tìm kiếm ảnh kết hợp học có giám sát, bán giám sát để phân lớp và gom cụm dữ liệu trên nền tảng KD-Tree.
Các đóng góp chính của luận án là việc phát triển nhiều cải tiến cho cấu trúc KD-Tree, bao gồm: cấu trúc KD-Tree đa nhánh cân bằng, iKD_Tree (kết hợp k-Means, k-NN), KD-Tree lồng nhau (phát triển nút lá thành cây con), Re KD-Tree (phân lớp mối quan hệ đối tượng và phát triển Ontology), và RF KD-Tree (rừng ngẫu nhiên từ nhiều KD-Tree độc lập). Luận án cũng đề xuất một mô hình kết hợp Re KD-Tree, RF KD-Tree và Ontology để nâng cao độ chính xác cho bài toán tìm kiếm ảnh theo tiếp cận ngữ nghĩa. Thực nghiệm trên các bộ dữ liệu ảnh chuẩn như COREL, Wang, Caltech-101, Caltech-256, MS-COCO và Flickr đã chứng minh tính đúng đắn, hiệu quả và khả năng nâng cao độ chính xác của các phương pháp đề xuất so với các công trình trước đây, đáp ứng mục tiêu đề ra. Luận án mở ra hướng phát triển tiếp theo trong việc kết hợp KD-Tree với các kỹ thuật học sâu và mở rộng ngữ nghĩa trong Ontology.