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

jos.hueuni.edu.vn Tập 131, Số 2A, 2022 57 giả dùng thang đo khoảng cách để thực hiện phân lớp các tập dữ liệu hình ảnh huấn luyện. Trong công trình này, cây KD-Tree được sử dụng trực tiếp để lưu trữ dữ liệu và phân lớp cho một ảnh đầu vào với kết quả tốt mà không mất nhiều chi phí trung gian. Đây là một mô hình được đề xuất cho bài toán phân lớp và tìm kiếm ảnh dựa vào cấu trúc KD-Tree và được đánh giá là khá tốt. Những công trình nghiên cứu trên cho thấy tính khả thi cho bài toán trích xuất và phân loại đối tượng bằng R-CNN và tìm kiếm ảnh bằng cấu trúc KD-Tree. Tuy nhiên, sự kết hợp giữa kỹ thuật R-CNN và cấu trúc KD-Tree để nâng cao hiệu quả cho bài toán tìm kiếm ảnh đa đối tượng còn hạn chế về số lượng. Vì vậy, trong bài báo này, một mô hình trích xuất, phân loại đối tượng, trích xuất vector đặc trưng và lưu trữ trên cấu trúc KD-Tree được áp dụng cho bài toán tìm kiếm ảnh đa đối tượng và được thực hiện nhằm kết hợp những ưu điểm hiện có của kỹ thuật mạng R-CNN và cấu trúc KD-Tree. 3 Mạng R-CNN phát hiện và phân lớp đối tượng Nâng cao hiệu suất phát hiện đối tượng là một trong những nhiệm vụ thách thức trong thị giác máy tính. Hiện nay có nhiều công trình sử dụng mạng R-CNN [1], Fast R-CNN và Faster R- CNN [12] để phát hiện các đối tượng riêng biệt trên ảnh. Mục đích của quá trình phát hiện đối tượng là phân loại đối tượng, nhận dạng đối tượng, nhận dạng mẫu, định vị đối tượng trên ảnh, tìm mối quan hệ giữa các đối tượng trên ảnh, v.v. Vì vậy, mạng R-CNN là một kỹ thuật tiên tiến,

được sử dụng rộng rãi trong các công trình đã công bố trong những năm gần đây. Kiến trúc của mạng R-CNN gồm ba thành phần: (1) trích xuất vùng đề xuất đối tượng (Region proposal), có tác dụng tạo và trích xuất các vùng chứa vật thể được bao bởi các bounding box; (2) trích xuất đặc trưng (Feature Extractor), giúp nhận diện hình ảnh từ các region proposal thông qua mạng CNN; (3) phân loại (classifier), dựa trên ảnh đầu vào là các đặc trưng để phân loại hình ảnh chứa trong vùng đề xuất về đúng nhãn (Hình 1) [1, 12, 13]. Mạng R-CNN được đánh giá là hiệu quả cho các bài toán phát hiện đối tượng, phân loại đối tượng trên ảnh do những ưu điểm như hiệu suất phát hiện đối tượng và phân loại đối tượng cao; một ưu điểm khác là mạng R-CNN có thể trích xuất các tính năng của hình ảnh một cách tự động. Tuy nhiên, nhược điểm của phương pháp phát hiện và phân loại đối tượng trên R-CNN là nó phải vượt qua nhiều giai đoạn độc lập trong đó có trích xuất đặc trưng từ một mạng CNN trên từng vùng đề xuất tạo từ vùng chứa ảnh. Trong bài báo này, ưu điểm của mạng R-CNN được ứng dụng để phát hiện và phân loại từng đối tượng trên ảnh với hiệu suất phân loại cao. Quá trình phát hiện và phân loại đối tượng trên ảnh bằng mạng Mask R-CNN được minh họa trên Hình 1.