Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)

Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)Tra cứu ảnh dựa trên nội dung với phản hồi liên quan sử dụng mô hình học trên đồ thị (Đồ án tốt nghiệp)

LIÊN QUAN

: :

Mã sinh viên : 1112101005

-:

1.

châ

4

5

CH NG 1: 6

1.1 6

1.2 6

1.2.1 7

1.2.2 9

1.2.3 T ng tác ng 10

1.3 12

1.4 13

1.4.1 13

1.4.2 14 1.4.3 Các ph 17

1.4.4 19

1.5 20

CH NG 2: 22

2.1 22

2.2 24

2.3 27

2.3.1 27

2.3.2 30

2.3.3 Tr 30

2.4 (Active Learning) 35

2.5 39

2.5.1 Ph 39

2.5.2 Ph 39

3.1.1 41

3.1.2 Các th 41

3.1.3 C 41

3.2 ng trình 42

3.2.1 42

3.2.2 ng trình 42

3.3 44

3.3.1 44

3.3.2 46

52

53

3 :.

u -hue

-1.2.2

có

Truy

bên trong,

tiêu,

tuy nhiên

Trong [1] Eakins

có cá

1.4

1.4.1

ài ra,

1.4.2

Hình

3-Hình 1-2

các thông

-1

1.4.2.1

véc-mean-variance, Euclidean, Chebyc

Canberra and

Bray-1.4.2.3

1.4.3

1.4.3.1

Thách t

và

1.4.3.2

i

1.5

SIMPLICity system, NEC PicHunte

ngành

tính toán(computational learning theory)

này

m sát : H th ng h c quan sát m t t p các mnhãn, m t ch c các m c này Nhi m v h c bao g m phân

chi u ánh x

,

có

ho vài nghìn

M

self-,

Co-, nhãn,

d ch

là xác su t c a d ch chuy n t n j Khai báo m t ma tr n nhãn

Chúng ta s tính toán nhãn m m cho các nút, là m t ma tr n , các hàng th hi n phân b xác su t c a các nhãn Vi c kh i t o là không quan ,

c tiên t hàm th c trên t p các nút,

tìm nghi m c u hòa này chúng ta chia ma tr n tr ng s

là :

(2.19)(2.20)(2.21)

là

Cohn et al (1

Bayesian

sau khi ,

Gi i pháp là gì n cho nút k u này gi

ng Gauss thì phân b này trên các d li gán nhãn là m t phân b

:

k,

2.5 (Graph Hyperparameter Learning)

Vì

(

, Tuy nh

,

, ,

20,

Hình

3-3.2.2.4

3.2.2.5

Reset :

3.3.1

Hình 3-3 :

Hình 3-5 : K

Hình 3-6 : K

Hình 3-7

3.3.2

Hình 3-8

Hình 3-9

Hình 3-10

Hình 3-11

Hình 3-12

Hình 3-13:

Hình

Hình

Hình

Hình

E

[1] J Eakins, M Graham, Content-based image retrieval , TechnicalReport, University of Northumbria at Newcastle, 1999.

[2] A Mojsilovic, B Rogowitz, Capturing image semantics with level descriptors, Proceedings of the ICIP, September 2001, pp 18 21

low-[3] X.S Zhou, T.S Huang, CBIR: from low-level features to highlevel semantics, Proceedings of the SPIE, Image and Video Communication and Processing, San Jose, CA, vol 3974, January 2000, pp 426 431

[4] Ying Liu, Dengsheng Zhang, Guojun Lu,

Wei-content-based image retrieval with

high-volume 40, issue 1, January, 2007, 262-282

[5] Dr Fuhui Long, Dr Hongjiang Zhang and Prof David Dagan Feng,

computer science and information technologies, vol.3 (1), 2012, 3260 3263

CMU-LTI-05-192, May 2005

[7]Pushpa B PATIL, Manesh B KOKARE,

College of Engineering and Technology, Bijapur-586103, India, Institute of Engineering and Technology, Nanded-

431606, India

[8] R Similar-shape retrieval in shape data management, IEEE Comput

28 (9) (1995) 57 62Mehrotra, J.E Gary

[9] Zhang Xinhua, hyper-parameter learning for graph based supervised learning algorithms, B.Eng., Shanghai Jiao Tong University, China, 2006