Luận án Tiến sĩ: Nghiên cứu cải tiến thuật toán xếp hạng đa tạp trong tra cứu ảnh

Với sự phát triển mạnh mẽ của công nghệ Internet và các thiết bị kỹ thuật số, lượng dữ liệu hình ảnh được tạo ra hàng ngày là rất lớn. Kỹ thuật tra cứu ảnh dựa vào nội dung (CBIR) đóng vai trò quan trọng trong việc tìm kiếm và quản lý hiệu quả các hình ảnh liên quan, với nhiều ứng dụng thực tiễn trong các lĩnh vực như y tế, thương mại điện tử và an ninh. Độ chính xác của hệ thống CBIR phụ thuộc vào chất lượng của đặc trưng ảnh và phương pháp xếp hạng kết quả.

Tài liệu này hướng tới các nhà nghiên cứu, kỹ sư, và sinh viên sau đại học trong lĩnh vực thị giác máy tính, xử lý ảnh, công nghệ thông tin, học máy và trí tuệ nhân tạo, đặc biệt là những người quan tâm đến các hệ thống tra cứu ảnh dựa vào nội dung và các phương pháp học trên đa tạp.

Luận án này tập trung vào việc cải thiện độ chính xác của hệ thống tra cứu ảnh dựa vào nội dung (CBIR) thông qua việc cải tiến thuật toán xếp hạng đa tạp. Hiện nay, các phương pháp CBIR truyền thống gặp hạn chế trong việc xử lý dữ liệu ảnh có cấu trúc phi tuyến tính phức tạp và chưa tối ưu về hiệu năng khi áp dụng cho các tập dữ liệu lớn. Các thách thức chính bao gồm việc xây dựng đồ thị cho dữ liệu quy mô lớn, khai thác đa dạng đặc trưng ảnh, lựa chọn điểm neo chất lượng cao trong không gian chiều lớn, và tích hợp hiệu quả với các thuật toán lân cận xấp xỉ.

Để giải quyết những vấn đề này, luận án đề xuất hai đóng góp chính. Thứ nhất, cải tiến thuật toán xếp hạng đa tạp hiệu quả (EMR) bằng cách sử dụng thuật toán phân cụm mờ lvdc-FCM để tìm điểm neo, từ đó phát triển thuật toán EMR-(lvdc-FCM) cho CBIR. Phương pháp này giúp nâng cao khả năng xếp hạng dữ liệu dựa trên cấu trúc tổng thể của không gian đa tạp. Thứ hai, nâng cao hiệu quả tra cứu ảnh bằng cách kết hợp đặc trưng mức thấp và đặc trưng mức cao được trích xuất từ mạng học sâu CNN. Cụ thể, luận án đề xuất phương pháp tinh chỉnh mạng CNN (EfficientNetB7+) để trích rút đặc trưng, sau đó kết hợp với đặc trưng mức thấp. Đồng thời, thuật toán HD-EMR được đề xuất, sử dụng các điểm neo ước lượng bằng FCM cải tiến và tích hợp kỹ thuật ANN để tra cứu ảnh hiệu quả mà không cần giảm chiều dữ liệu.

Luận án cũng đưa ra một bổ đề mới về tính tổng quát của dữ liệu đa tạp trên các tập hữu hạn vector, cung cấp cơ sở lý luận cho việc ứng dụng xếp hạng đa tạp trong tra cứu ảnh. Ngoài ra, việc triển khai thuật toán phân cụm LDM-FCM trên kiến trúc GPU đã được thực hiện để tối ưu hiệu năng tính toán. Nghiên cứu này được cấu trúc thành ba chương, bao gồm tổng quan về CBIR và xếp hạng đa tạp, đề xuất cải tiến thuật toán xếp hạng đa tạp, và nâng cao hiệu quả tra cứu ảnh bằng cách kết hợp đặc trưng mức thấp và mức cao, cùng với các định hướng phát triển trong tương lai.