PHÂN LỚP HÌNH ẢNH DỰA TRÊN CẤU TRÚC KD-TREE

jos.hueuni.edu.vn Tập 131, Số 2A, 2022 107 tôi đề xuất phương pháp phân lớp hình ảnh sử dụng cấu trúc KD-Tree trên năm bộ ảnh khác nhau về tính chất, số lượng phân lớp và số lượng hình ảnh nhằm phản ảnh các ưu, nhược điểm để làm cơ sở so sánh với các công trình trên. Đồng thời, đây là một phương pháp được đánh giá là khả thi và có tính mới. 3 Phương pháp phân lớp hình ảnh dựa trên cấu trúc KD-Tree 3.1 Cấu trúc KD-Tree phân lớp KD-Tree phân lớp được xây dựng là một cây đa nhánh cân bằng, dựa trên tính chất cây KD-Tree nguyên thủy [4], gồm một nút gốc lưu trữ véc-tơ phân lớp (w0); tập nút trong {Node}, mỗi nút trong lưu trữ một véc-tơ phân lớp (wlk) và tập nút lá {Leaf}, mỗi nút lá chứa nhiều véc-tơ hình ảnh {F = <f1, f2,…, fk>}, được mô tả và kế thừa từ công trình [6, 7]. Trong cấu trúc KD-Tree phân lớp xây dựng theo thuật toán CKDT [7], mỗi nút lá chứa tập véc-tơ hình ảnh thuộc nhiều phân lớp khác nhau. Vì vậy, mỗi nút lá được gán một nhãn theo số lượng véc-tơ cùng nhãn lớp là nhiều nhất theo thuật toán gán nhãn SL2L [7]. Cấu trúc KD-Tree và quá trình phân lớp trên KD-Tree được minh họa trên Hình 1. Hình 1. Quá trình phân lớp trên cấu trúc KD-Tree cho véc-tơ fi 3.2 Phương pháp phân lớp ảnh dựa trên cấu trúc KD-Tree Quá trình phân lớp ảnh trên KD-Tree được thực hiện dựa vào Hình 1 theo quy tắc: Với một ảnh đầu vào (I) có véc-tơ đặc trưng fi = (fi1, fi2,…, fin) lần lượt đi qua nút gốc, nút gốc lưu trữ một véc-tơ trọng số (w0). Tại nút gốc, giá trị đầu ra được tính theo hàm mục tiêu Sigmoid là yi0 =