TÌM KIẾM ẢNH THEO NGỮ NGHĨA DỰA TRÊN CẤU TRÚC iRS-TREE VÀ ONTOLOGY

Lê Thị Vĩnh Thanh và CS. Tập 131, Số 2A, 2022 172 9 Trả về tập ảnh tương tự 𝑆𝐼 của ảnh 𝐼𝑄; 10 Thực hiện phân lớp 𝐾𝑁𝑁 để tạo từ vựng thị giác Υ𝑣𝑤𝑣 cho ảnh 𝐼𝑄; 11 Trả về kết quả {𝑆𝐼, Υ𝑣𝑤𝑣}; 12 End Gọi 𝑛 là số phần tử của tập dữ liệu và 𝑀 là số phần tử tối đa trong một nút của iRS-Tree. Thuật toán iRSTIR lần lượt duyệt qua các nút từ gốc đến lá. Hơn nữa, vì cây iRS-Tree là cây cân bằng nên thuật toán iRSTIR duyệt qua chiều cao h của cây. Mỗi lần duyệt, thuật toán iRSTIR phải so sánh với 𝑀 phần tử của mỗi nút. M là hằng số. Do đó, độ phức tạp của thuật toán iRSTIR là 𝑂(log𝑛). Thuật toán tra cứu ảnh theo tiếp cận ngữ nghĩa dựa trên ontology Với mỗi ảnh đầu vào, tập từ vựng thị giác được trích xuất bằng phương pháp KNN dựa trên tập ảnh tương tự theo nội dung. Dựa vào tập từ vựng thị giác, hệ thống tự động tạo ra câu lệnh SPARQL và thực hiện truy vấn trên ontology đã xây dựng. Kết quả truy vấn là một tập các URI cùng ngữ nghĩa hình ảnh và metadata của bộ dữ liệu ảnh tương tự. Thuật toán trích xuất ngữ nghĩa hình ảnh được trình bày như sau: Thuật toán. Trích xuất ngữ nghĩa hình ảnh Input: Tập từ vựng thị giác Υ𝑣𝑤𝑣 của ảnh 𝐼 Output: Tập ảnh tương tự ℂ𝑆𝐼 và các mô tả ngữ nghĩa ℳ𝑆𝐼 Function: OnSBIR(string [] Υ𝑣𝑤𝑣 ) 1 Begin 2 Khởi tạo tập ảnh tương tự ℂ𝑆𝐼 = ; 3 Khởi tạo tập mô tả ngữ nghĩa ℳ𝑆𝐼 = ; 4 𝑖𝑚𝑔𝑆𝑃𝐴𝑄𝑅𝐿 = 𝐶𝑟𝑒𝑎𝑡𝑒𝑆𝑃𝐴𝑄𝑅𝐿(Υ𝐼); 5 {ℂ𝑆𝐼, ℳ𝑆𝐼} = ExecuteQuery(𝑖𝑚𝑔𝑆𝑃𝐴𝑄𝑅𝐿, 𝑂𝑛𝑡𝑜𝑙𝑜𝑔𝑦); 6 Trả về tập ảnh tương tự và các mô tả ngữ nghĩa của ảnh 𝐼 {ℂ𝑆𝐼, ℳ𝑆𝐼}; 7 End