XÂY DỰNG HỆ THỐNG LƯU TRỮ, PHÂN LOẠI VÀ TÌM KIẾM HÌNH ẢNH TỪ TÀI LIỆU PDF DỰA TRÊN HỌC SÂU

Abstract

Trong những năm gần đây, sự phát triển của trí tuệ nhân tạo (AI) đã mang lại nhiều tiến bộ vượt bậc trong các ứng dụng thị giác máy tính. Một trong những thành tựu nổi bật nhất là sự ra đời của các mô hình mạng nơ-ron tích chập (CNN), trong đó InceptionV3, VGG16 và ResNet50 là ví dụ điển hình. Các mô hình này đã chứng minh hiệu quả trong việc phân loại và nhận dạng hình ảnh nhờ vào kiến trúc đặc trưng và khả năng trích xuất đặc trưng mạnh mẽ từ dữ liệu đầu vào. Bên cạnh đó, việc đo lường độ tương đồng giữa các hình ảnh cũng là một khía cạnh quan trọng trong thị giác máy tính. Phương pháp cosine similarity (độ tương đồng cosine) là một kỹ thuật phổ biến để xác định mức độ giống nhau giữa hai hình ảnh thông qua các vector đặc trưng. Mục tiêu của nghiên cứu này là tìm hiểu và ứng dụng các mô hình và giải thuật học sâu cho bài toán liên quan đến thị giác máy tính, cụ thể là phân loại và tính toán độ tương đồng giữa các hình ảnh, sử dụng các mô hình như InceptionV3, VGG16 và ResNet50. Việc phát triển hệ thống này có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ tìm kiếm hình ảnh, nhận dạng đối tượng, đến quản lý dữ liệu hình ảnh. Từ khóa: Mạng nơ-ron tích chập, Mô hình học sâu, Trích xuất đặc trưng ảnh, Phân loại hình ảnh, Độ tương đồng hình ảnh.