Đồ án tốt nghiệp ngành công nghệ thông tin tra cứu ảnh với phản hồi liên quan sử dụng mô hình học trên đồ thị

61 66 0
Đồ án tốt nghiệp ngành công nghệ thông tin  tra cứu ảnh với phản hồi liên quan sử dụng mô hình học trên đồ thị

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Bộ GIáO DụC & ĐàO TạO TRƯờNG ĐạI HọC DÂN LậP HảI PHòNG -o0o - ĐỒ ÁN TỐT NGHIỆP Ngành công nghệ thông tin HẢI PHÕNG 2015 BỘ GIÁO DỤC & ĐÀO TẠO TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÕNG -o0o - TRA CỨU ẢNH DỰA TRÊN NỘI DUNG VỚI PHẢN HỒI LIÊN QUAN SỬ DỤNG MƠ HÌNH HỌC TRÊN ĐỒ THỊ ĐỒ ÁN TỐT NGHIỆP Ngành Công nghệ Thông tin HẢI PHÕNG - 2015 BỘ GIÁO DỤC & ĐÀO TO Tr-ờng đại học dân lập hải phòng -o0o - TRA CỨU ẢNH DỰA TRÊN NỘI DUNG VỚI PHẢN HỒI LIÊN QUAN SỬ DỤNG MÔ HÌNH HỌC TRÊN ĐỒ THỊ ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành : Cơng nghệ Thơng tin Sinh viên thực hiện: PHẠM ANH TOÀN Giáo viên hƣớng dẫn: NGƠ TRƢỜNG GIANG Mã sinh viên : 1112101005 H¶i Phßng - 2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÕNG Độc lập – Tự – Hạnh phúc -o0o - nhiÖm vụ thiết kế tốt nghiệp Sinh viên : PHạM ANH TOàN Mã số : 1112101005 Lớp : CT1501 Ngành: Công nghệ Thông tin Tên đề tài : TRA CứU ảNH VớI PHảN HồI LIÊN QUAN Sử DụNG MÔ HìNH HọC TRÊN Đồ THị nhiệm vụ đề tài Nội dung yêu cầu cần giải nhiệm vụ ®Ị tµi tèt nghiƯp a Néi dung: - Tổng quan Tra cứu ảnh dựa nội dung với phản hồi liên quan - Tổng quan mơ hình học đồ thị - Ứng dụng học đồ thị cho toán tra cứu ảnh - Cài đặt chƣơng trỡnh th nghim b Các yêu cầu cần giải - Hiểu quy trình hệ thống tra cứu ảnh dựa nội dung, phƣơng pháp tra cứu ảnh dựa nội dung - Hiểu đƣợc số mơ hình học dựa đồ thị áp dụng cho cải thiện hiệu tra cứu - Cài đặt chƣơng trình thử nghiệm C¸c sè liệu cần thiết để thiết kế, tính toán Địa điểm thực tập cán h-ớng dẫn đề tài tốt nghiệp Ng-ời h-ớng dẫn thứ : Họ tên: Học hàm, học vị: . Cơ quan công tác: …………………………………………………………………… Néi dung h-íng dÉn: …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… Ng-êi h-ớng dẫn thứ hai: Họ tên : Học hàm, hc v : Cơ quan công tác: Nội dung h-ớng dẫn: Đề tài tốt nghiệp đ-ợc giao ngày 06 tháng 04 năm 2015 Yêu cầu phải hoàn thành tr-ớc ngày 11 tháng 07 năm 2015 §· nhËn nhiƯm vơ: §.T.T.N §· nhËn nhiƯm vơ: Đ.T.T.N Sinh viên Cán h-ớng dẫn Đ.T.T.N Hi Phũng, ngy.thỏng nm 2015 Hiệu tr-ởng GS.TS.NG-T Trần Hữu Nghị PHN NHẬN XÉT TÓM TẮT CỦA CÁN BỘ HƢỚNG DẪN Tinh thần thái độ sinh viên trình làm đề tài tốt nghiệp: Đánh giá chất l-ợng đề tài tốt nghiệp (so với nội dung yêu cầu đề nhiệm vụ đề tài tốt nghiệp) Cho điểm cán h-ớng dẫn: ( Điểm ghi số chữ ) Ngày .tháng .năm 2015 Cán h-ớng dẫn ( Ký, ghi râ hä tªn ) PHẦN NHẬN XÉT ĐÁNH GIÁ CỦA CÁN BỘ CHẤM PHẢN BIỆN ĐỀ TÀI TỐT NGHIỆP Đánh giá chất lƣợng đề tài (về mặt nhƣ sở lý luận, thuyết minh chƣơng trình, giá trị thực tế…) Cho điểm cán phản biện ( Điểm ghi số chữ ) Ngày .tháng .năm 2015 Cán chấm phản biện ( Ký, ghi rõ họ tªn ) Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị LỜI CẢM ƠN Em xin chân thành cảm ơn Thầy giáo, Thạc sĩ Ngơ Trường Giang hướng dẫn tận tình bảo em nhiều suốt trình tìm hiểu nghiên cứu hoàn thành đồ án từ lý thuyết đến ứng dụng Sự hướng dẫn thầy giúp em có thêm kiến thức lập trình kiến thức lĩnh vực xử lý ảnh Đồng thời, em xin chân thành cám ơn thầy cô khoa Công nghệ thông tin – Trường Đại Học Dân Lập Hải Phòng, thầy trường trang bị cho em kiến thức cần thiết suốt thời gian học tập trường để em hoàn thành tốt đồ án Em xin chân thành cảm ơn GS.TS.NGƯT Trần Hữu Nghị, Hiệu trưởng Trường Đại học Dân Lập Hải Phòng, ban giám hiệu nhà trường, khoa Cơng nghệ thơng tin, phòng ban nhà trường tạo điều kiện tốt suốt thời gian em học tập làm tốt nghiệp Trong trình học suốt thời gian làm đồ án tốt nghiệp khơng tránh khỏi thiếu sót, em mong góp ý quý báu thầy cô tất bạn để kết em hoàn thiện Sau cùng, em xin gửi lời cảm ơn đến gia đình, bạn bè tạo điều kiện để em xây dựng thành công đồ án Em xin chân thành cảm ơn ! Phạm Anh Toàn – CT1501 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị MỤC LỤC MỘT SỐ TỪ VIẾT TẮT MỞ ĐẦU CHƢƠNG 1: Tổng quan tra cứu ảnh dựa nội dung với phản hồi liên quan 1.1 Khái niệm tra cứu ảnh dựa nội dung 1.2 Những thành phần hệ thống tra cứu ảnh dựa nội dung 1.2.1 Các đặc trƣng hình ảnh mức thấp 1.2.2 Đánh số 1.2.3 Tƣơng tác ngƣời dùng 10 1.3 Khoảng cách ngữ nghĩa 12 1.4 Kỹ thuật phản hồi liên quan CBIR 13 1.4.1 Khái niệm phản hồi liên quan 13 1.4.2 Kiến trúc tổng quan hệ thống CBIR với phản hồi liên quan 14 1.4.3 Các phƣơng pháp tiếp cận phản hồi liên quan 17 1.4.4 Những thách thức phản hồi liên quan 19 1.5 Các lĩnh vực ứng dụng tra cứu ảnh dựa nội dung 20 CHƢƠNG 2: Mơ hình học bán giám sát dựa đồ thị 22 2.1 Khái niệm học máy 22 2.2 Học bán giám sát 24 2.3 Học bán giám sát dựa đồ thị 27 2.3.1 Thuật toán lan truyền nhãn 27 2.3.2 Xây dựng đồ thị 30 2.3.3 Trƣờng ngẫu nhiên Gauss hàm điều hòa 30 2.4 Kết hợp học bán giám sát với học chủ động (Active Learning) 35 2.5 Học siêu tham số đồ thị (Graph Hyperparameter Learning) 39 2.5.1 Phƣơng pháp tối đa Evidence 39 2.5.2 Phƣơng pháp tối thiểu Entropy 39 CHƢƠNG 3: Áp dụng cài đặt thử nghiệm 41 3.1 Cài đặt 41 Phạm Anh Toàn – CT1501 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị 2.5 Học siêu tham số đồ thị (Graph Hyperparameter Learning) Trƣớc giả thiết ma trận trọng số W đƣợc cho cố định Trong phần trình bày sơ lƣợc số phƣơng pháp để học trọng số từ liệu có nhãn chƣa có nhãn Giả thiết cạnh đồ thị có trọng số đƣợc tham số hóa siêu tham số : (2.24) 2.5.1 Phƣơng pháp tối đa Evidence Để học siêu tham số tiến trình Gauss chọn siêu tham số làm tối đa log likelihood : đƣợc biết nhƣ evidence thủ tục gọi làm tối đa evidence Có thể giả định xác suất tiền nghiệm tìm xác suất hậu nghiệm lớn (MAP) để ƣớc tính : Evidence đa mode thƣờng sử dụng phƣơng pháp gradient để tìm mode không gian siêu tham số Điều đòi hỏi tính đạo hàm (Đƣợc tính cụ thể phụ lục D tài liệu tham khảo [6]) 2.5.2 Phƣơng pháp tối thiểu Entropy Một cách khác, chọn entropy nhãn trung bình nhƣ tiêu chí cho việc học tham số Việc sử dụng hàm điều hòa khơng phụ thuộc vào tiến trình Gauss Entropy nhãn trung bình hàm điều hòa đƣợc định nghĩa : (2.25) Phạm Anh Toàn – CT1501 39 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Với entropy Shannon riêng điểm liệu chƣa gán nhãn i Vì nên entropy nhỏ nghĩa gần Điều cho phép đảm bảo ma trận trọng số tốt (tƣơng đƣơng với tập siêu tham số tốt) cho kết chắn việc gán nhãn Tất nhiên có nhiều nhãn tùy ý có entropy thấp, tiêu chí khơng hoạt động Tuy nhiên điều quan trọng cần h đƣợc giới hạn tập liệu đƣợc gán nhãn, hầu hết nhãn có entropy thấp không phù hợp với việc giới hạn Thực tế, khơng gian để có nhãn entropy thấp đạt đƣợc hàm điều hòa nhỏ, nhờ để điều chỉnh siêu tham số Giả sử trọng số đồ thị đƣợc tham số hóa nhƣ (2.24), sử dụng phƣơng pháp giảm gradient để tìm siêu tham số làm tối thiểu H Gradient đƣợc tính : (2.26) giá trị lấy đƣợc từ đƣợc cho : (2.27) Sử dụng trận ma trận Cả hai ma Vì P đƣợc tạo cách chuẩn hóa ma trận trọng số W nên ta có : (2.28) Và cuối Phạm Anh Toàn – CT1501 40 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị CHƢƠNG 3: Áp dụng cài đặt thử nghiệm 3.1 Cài đặt 3.1.1 Nền tảng ngôn ngữ lập trình Chƣơng trình đƣợc cài đặt mơi trƣờng Microsoft Visual Studio 2012 với ngôn ngữ C# 3.1.2 Các thƣ viện sử dụng Để trích chọn đặc trƣng ảnh, chƣơng trình sử dụng thƣ viện FElib Đặc trƣng ảnh đƣợc biểu diễn vector 809 phần tử: Color histogram, color moments từ phần tử từ đến 81 Edge histogram từ 82 đến 118 Gabor wavelets transform: phần tử từ 119 đến 238 Local Binary Pattern: phần tử từ 239 đến 297 GIST: phần tử từ 297 đến 809 Để hỗ trợ tính tốn chƣơng trình sử dụng gói thƣ viện BLAS/LAPACK 3.1.3 Cơ sở liệu Cơ sở liệu bao gồm 2345 ảnh lấy từ sở liệu Corel bao gồm 23 nhóm, nhóm có khoảng 100 ảnh Các nhóm bao gồm nhiều ví dụ từ đơn giản đến phức tạp (về màu sắc chi tiết) Phạm Anh Toàn – CT1501 41 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị 3.2 Giao diện chức chƣơng trình 3.2.1 Giao diện Hình 3-1: Giao diện chƣơng trình Vùng : Hiển thị ảnh truy vấn Vùng : Kết truy vấn Vùng : Menu chức chƣơng trình 3.2.2 Các chức chƣơng trình 3.2.2.1 Mở ảnh truy vấn chọn sở liệu truy vấn Open : Mở file ảnh truy vấn trích chọn đặc trƣng cho ảnh truy vấn Browser : Mở thƣ mục sở liệu ảnh 3.2.2.2 Hiển thị kết truy vấn Retrieval : Hiển thị kết tra cứu Nếu ngƣời dùng chƣa hài lòng tiếp tục q trình phản hồi liên quan Phạm Anh Toàn – CT1501 42 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị 3.2.2.3 Phản hồi liên quan FeedBack : Mở giao diện lấy thông tin phản hồi liên quan từ ngƣời sử dụng Ban đầu hệ thống đƣa cho ngƣời dùng 20 ảnh để gán nhãn Sau vòng lập, hệ thống sử dụng thuật toán học chủ động để đƣa vài ảnh Hình 3-2 : Giao diện lấy thơng tin phản hồi liên quan 3.2.2.4 Học tham số cho đồ thị Learn Param : Thực trình học tham số cho liệu 3.2.2.5 Khởi tạo lại trình truy vấn Reset : Thiết lập lại trình truy vấn Ngƣời dùng chọn ảnh truy vấn khác Phạm Anh Toàn – CT1501 43 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị 3.3 Một số kết thực nghiệm Tiến hành thử nghiệm với hai ảnh truy vấn khác 3.3.1 Kết thực nghiệm số Hình 3-3 : Mở ảnh truy vấn kết thực nghiệm số ban đầu Hình 3-4 : Kết thực nghiệm số sau lần phản hồi thứ Phạm Anh Toàn – CT1501 44 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Hình 3-5 : Kết thực nghiệm số sau lần phản hồi thứ Hình 3-6 : Kết thực nghiệm số sau phản hồi lần Phạm Anh Toàn – CT1501 45 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Hình 3-7: Kết thực nghiệm số sau lần phản hồi thứ 3.3.2 Kết thực nghiệm số Hình 3-8: Mở ảnh truy vấn kết thực nghiệm số ban đầu Phạm Anh Toàn – CT1501 46 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Hình 3-9: Kết số sau lần phản hồi thứ Hình 3-10: Kết số sau lần phản hồi thứ Phạm Anh Toàn – CT1501 47 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Hình 3-11: Kết số sau lần phản hồi thứ Hình 3-12: Kết số sau lần phản hồi thứ Phạm Anh Toàn – CT1501 48 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị 3.3.3 Kết thực nghiệm số Hình 3-13: Mở ảnh truy vấn kết thực nghiệm số ban đầu Hình 3-14: Kết thực nghiệm số sau lần phần hồi thứ Phạm Anh Toàn – CT1501 49 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Hình 3-15: Kết thực nghiệm số sau lần phản hồi thứ Hình 3-16: Kết thực nghiệm số sau lần phản hồi thứ Phạm Anh Toàn – CT1501 50 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị Hình 3-17: Kết thực nghiệm số sau lần phản hồi thứ Phạm Anh Toàn – CT1501 51 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị KẾT LUẬN Sau thời gian tìm hiểu nghiên cứu đề tài này, em đạt đƣợc số kết sau: Tìm hiểu đƣợc cấu trúc hệ thống tra cứu ảnh dựa nội dung Tìm hiểu đƣợc số phƣơng pháp làm giảm khoảng cách ngữ nghĩa tra cứu ảnh dựa nội dung Tìm hiểu phƣơng pháp phản hồi liên quan tra cứu ảnh Tìm hiểu số phƣơng pháp học máy đặc biệt học bán giám sát dựa mơ hình đồ thị Xây dựng đƣợc chƣơng trình thử nghiệm áp dụng phƣơng pháp phản hồi liên quan sử dụng học bán giám sát đồ thị cho tra cứu ảnh dựa nội dung Tuy nhiên đồ án tồn số vấn đề : Phần chƣơng trình cài đặt tính tốn chậm cài đặt mơi trƣờng MS Visual Studio, khả phần cứng có hạn chế Phần cài đặt học siêu tham số chƣa cho hiệu Do độ phức tạp tính tốn thời gian việc tính tốn gradient Để nâng cao độ xác tra cứu ảnh cần tiếp tục nghiên cứu mơ hình học bán giám sát Em mong nhận đƣợc đóng góp ý kiến từ Thầy Cơ bạn để em có thêm kiến thức kinh nghiệm tiếp tục hoàn thiện nội dung nghiên cứu đề tài Em xin chân thành cảm ơn! Phạm Anh Toàn – CT1501 52 Tra cứu ảnh với phản hồi liên quan sử dụng mô hình học đồ thị TÀI LIỆU THAM KHẢO [1] J Eakins, M Graham, “Content-based image retrieval”, Technical Report, University of Northumbria at Newcastle, 1999 [2] A Mojsilovic, B Rogowitz, Capturing image semantics with lowlevel descriptors, Proceedings of the ICIP, September 2001, pp 18–21 [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-ying Ma, “A survey of content-based image retrieval with high-level semantics,” Pattern recognition, volume 40, issue 1, January, 2007, 262-282 [5] Dr Fuhui Long, Dr Hongjiang Zhang and Prof David Dagan Feng, “Fundamentals of content-based image retrieval”, International journal of computer science and information technologies, vol.3 (1), 2012, 3260 – 3263 [6] Xiaojin Zhu, “Semi-Supervised Learning with Graphs”, CMU-LTI05-192, May 2005 [7] Pushpa B PATIL, Manesh B KOKARE, “Relevance Feedback in Content Based Image Retrieval: A Review”, College of Engineering and Technology, Bijapur-586103, India, Institute of Engineering and Technology, Nanded431606, 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 semisupervised learning algorithms, B.Eng., Shanghai Jiao Tong University, China, 2006 Phạm Anh Toàn – CT1501 53 ... liên quan, không liên quan, không quan tâm “Liên quan nghĩa ảnh có liên quan đến truy vấn ngƣời dùng “Khơng liên quan có nghĩa ảnh khơng có liên quan đến truy vấn ngƣời dùng Còn “khơng quan. .. 11 Tra cứu ảnh với phản hồi liên quan sử dụng mơ hình học đồ thị 1.2.3.2 Phản hồi liên quan Khái niệm phản hồi liên quan đƣợc giới thiệu tra cứu ảnh dựa nội dung từ khái niệm tra cứu thông tin. .. hồi liên quan CBIR 13 1.4.1 Khái niệm phản hồi liên quan 13 1.4.2 Kiến trúc tổng quan hệ thống CBIR với phản hồi liên quan 14 1.4.3 Các phƣơng pháp tiếp cận phản hồi liên quan 17

Ngày đăng: 07/04/2020, 21:54

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan