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

jos.hueuni.edu.vn Tập 131, Số 2A, 2022 177 Bảng 3. So sánh độ chính xác giữa các phương pháp trên các bộ dữ liệu Phương pháp Bộ dữ liệu Mean Average Precision (MAP), % Ahmed 2019 [15] COREL 72,1 Thanh 2021[21] COREL 76,53 Phương pháp đề xuất (SBIR-iRST) COREL 79,45 Ahmed 2019 [15] Oxford Flowers 102 71,4 Phương pháp đề xuất (SBIR-iRST) Oxford Flowers 102 73,16 Zeng 2019 [16] CUB-200-2011 70,1 Phương pháp đề xuất (SBIR-iRST) CUB-200-2011 68,17 Các kết quả thực nghiệm so sánh cho thấy phương pháp đề xuất SBIR-iRST của chúng tôi là hiệu quả trong việc giải quyết bài toán tìm kiếm ảnh theo theo tiếp cận ngữ nghĩa. Với tập ảnh COREL và OxfordFlower-102, phương pháp đề xuất của chúng tôi có độ chính xác vượt trội hơn các phương pháp khác. Trong công trình [15], các tác giả đã trích xuất các đặc trưng màu từ ảnh RGB và sử dụng hình ảnh mức xám cho các đối tượng cục bộ. Tuy nhiên, trong nghiên cứu này, nhóm tác giả chỉ thực hiện việc lập chỉ mục trên cơ sở chủ quan và chưa đề xuất cấu trúc lập chỉ mục dữ liệu để cải thiện hiệu suất truy xuất. Trong công trình này, các tác giả đã lấy top-10 hình ảnh với độ chính xác của giá trị 87,1% (COREL) và 98,7% (Oxford Flowers 102), với top-40 hình ảnh, độ chính xác là 72,1% (COREL) và 71,4% (Oxford Flowers 102). Với tập ảnh CUB-200-2011, độ chính xác của hệ thống đề xuất chưa cao bằng. Zeng và cs. [16] sử dụng phương pháp tìm kiếm ảnh trên mạng CNN. CUB-200-2011 là tập ảnh chi tiết, phù hợp với đặc trưng trích xuất trên mạng CNN hơn, do đó, độ chính xác cũng cao hơn so với đề xuất của chúng tôi. Đây cũng

là động lực cho các cải tiến về sau cho các nghiên cứu của chúng tôi. Do đó, mô hình được đề xuất có thể được cải tiến, phát triển để đưa vào các ứng dụng tìm kiếm ảnh trong thực tiễn. 5 Kết luận Trong bài báo này, chúng tôi đã xây dựng một cấu trúc iRS-Tree, một cải tiến của cấu trúc RS-Tree, áp dụng cho bài toán tìm kiếm ảnh. Trong cấu trúc này, thuật toán thêm phần tử được cải tiến để cải thiện thời gian tạo cây đồng thời giúp cân bằng dữ liệu trong cây; thuật toán tách nút được cải tiến dựa trên phương pháp phân cụm k-Means nhằm nâng cao độ chính xác và hạn