Luận án Tiến sĩ: Kết hợp xếp hạng đa tạp và học độ đo tương tự cho tra cứu ảnh

Cơ sở dữ liệu ảnh ngày càng trở nên phổ biến trong các lĩnh vực ứng dụng khác nhau như y học, viễn thám, thời trang, phòng chống tội phạm, xuất bản, kiến trúc,... cùng với sự bùng nổ thông tin trên Internet, sự phát triển vượt trội của các công nghệ kỹ thuật số và sự phổ biến rộng rãi các thiết bị công nghệ quay phim, chụp ảnh dẫn đến kho dữ liệu ảnh lưu trữ và chia sẻ trên Internet cũng tăng lên nhanh chóng. Điều này đặt ra thách thức lớn cho việc tổ chức và tìm kiếm ảnh theo cách truyền thống, làm cho bài toán tra cứu hình ảnh tương tự từ các tập dữ liệu ảnh lớn trở thành một vấn đề quan trọng trong lĩnh vực thị giác máy tính và phù hợp với nhu cầu xã hội hiện đại.

Nghiên cứu sinh, nhà khoa học, kỹ sư và chuyên gia trong lĩnh vực công nghệ thông tin, thị giác máy tính, xử lý ảnh và trí tuệ nhân tạo quan tâm đến các phương pháp tra cứu ảnh dựa trên nội dung và học máy.

Luận án này tập trung giải quyết bài toán tra cứu ảnh dựa trên nội dung (CBIR) trong bối cảnh dữ liệu hình ảnh ngày càng gia tăng, đặc biệt là việc nâng cao hiệu quả của các hệ thống CBIR. Mặc dù các phương pháp tra cứu ảnh dựa trên học sâu và xếp hạng đa tạp (EMR) đã đạt được hiệu quả đáng kể, chúng vẫn còn đối mặt với nhiều thách thức như độ phức tạp tính toán, khó khăn trong việc thêm ảnh mới vào cơ sở dữ liệu, và hạn chế trong việc xác định độ tương tự cho ảnh nằm ngoài cơ sở dữ liệu. Để khắc phục những hạn chế này và nâng cao độ chính xác của hệ thống, luận án đề xuất một phương pháp kết hợp xếp hạng đa tạp và học độ đo tương tự. Cụ thể, mục tiêu chung là nâng cao hiệu quả tra cứu ảnh bằng cách kết hợp xếp hạng đa tạp và tiếp cận học độ đo tương tự. Các mục tiêu cụ thể bao gồm nghiên cứu thuật toán xếp hạng đa tạp hiệu quả, đề xuất kết hợp nhiều bộ xếp hạng hình ảnh dựa trên đặc trưng mức thấp và mức cao, và xây dựng độ đo tương tự ảnh theo tiếp cận học bán giám sát sử dụng các giá trị xếp hạng EMR để giải quyết vấn đề tra cứu ảnh nằm ngoài cơ sở dữ liệu.