PHÂN LỚP ẢNH SỬ DỤNG GIẢI THUẬT MÁY HỌC VECTOR HỖ TRỢ

Abstract

“Phân lớp ảnh sử dụng giải thuật máy học vector hỗ trợ” thực hiện phân lớp trên tập dữ liệu ảnh các loại trái cây bằng phương pháp trích đặc trưng cục bộ bất biến (Scale-Invariant Feature Transform - SIFT) và giải thuật máy học vector hỗ trợ (Support Vector Machines - SVM). Luận văn lựa chọn giải pháp máy học vector hỗ trợ vì giải thuật này cho hiệu quả phân lớp tốt trên tập dữ liệu có số chiều lớn (Olivier, 1998), có khả năng phân lớp trên tập dữ liệu phân biệt tuyến tính lẫn không phân biệt tuyến tính (Laura & Rouslan, 2008). SIFT là phương pháp rút trích các đặc trưng từ hình ảnh. Đặc trưng này có tính chất như: không đổi với phép biến đổi tỉ lệ, phép quay, đôi khi là thay đổi cường độ chiếu sáng ảnh, thay đổi điểm nhìn và nhiễu trên ảnh. Luận văn tiến hành đánh giá hiệu quả phân lớp thông qua việc thống kê độ tin cậy cùng với thời gian huấn luyện và kiểm thử mô hình máy học vector hỗ trợ. Tập dữ liệu ảnh sau khi được rút trích đặc trưng sẽ được biểu diễn bằng mô hình túi từ (Bag-of-Words - BoW). Mỗi ảnh được biểu diễn lại thành một biểu đồ Bag-ofWords. Tiếp đến, sử dụng các biểu đồ Bag-of-Words để huấn luyện và kiểm thử mô hình máy học vector hỗ trợ. Sau cùng, đánh giá hiệu quả phân lớp của mô hình thông qua các kết quả ghi nhận. Kết quả thực nghiệm cho thấy giải thuật máy học vector hỗ trợ phân lớp tốt, cho độ tin cậy cao trên tập dữ liệu mẫu. Trên cơ sở đó, luận văn xây dựng ứng dụng có thể phân lớp được một số loại trái cây phổ biến. Từ ảnh đầu vào, ứng dụng tiến hành rút trích đặc trưng trên ảnh và gán nhãn cho ảnh đó thuộc về loại trái cây nào.