TÌM KIẾM ẢNH ĐA ĐỐI TƯỢNG DỰA TRÊN MẠNG R-CNN VÀ CẤU TRÚC KD-TREE

Đào Xuân Bảo và CS. Tập 131, Số 2A, 2022 62 (1) Phát hiện và phân loại đối tượng trên ảnh bằng mạng R-CNN (2) Trích xuất vector đặc trưng hình ảnh đã phân đoạn (3) Xây dựng cấu trúc KD-Tree lưu trữ hình ảnh (4) Ảnh đầu vào được phát hiện và phân loại bằng mạng R-CNN (5) Trích xuất vector đặc trưng cho ảnh đầu vào theo từng vùng đối tượng (6) Tìm kiếm trên KD-Tree để trích xuất tập ảnh tương tự với ảnh đầu vào Hình 4. Mô hình tìm kiếm ảnh được đề xuất trúc KD-Tree 5.2 Thuật toán tìm kiếm ảnh tương tự dựa trên cấu trúc KD-Tree Sau khi xây dựng cấu trúc KD-Tree, các nút lá lưu trữ tập dữ liệu hình ảnh. Vì vậy, quá trình tìm kiếm tập ảnh tương tự với một ảnh đầu vào (I) cần phải duyệt từ nút gốc đến nút lá. Nếu các vector đặc trưng của vùng ảnh phân đoạn của ảnh I thuộc về một nút lá leafk thì trích xuất tập ảnh tương tự là tập ảnh tại nút lá leafk. Trong trường hợp ảnh I có nhiều ảnh phân đoạn I1, …, In và các vector đặc trưng của ảnh I thuộc nhiều nút lá khác nhau thì tập ảnh tương tự với ảnh I chính là tập các ảnh thuộc tập các nút lá mà fIk tìm được. Thuật toán 3: Tìm kiếm ảnh tương tự dựa trên KD-Tree và mạng R-CNN Input: Tập vector đặc trưng F= { Ii f } của ảnh I, KD-Tree Output: Tập ảnh tương tự CI