Đào tạo
|
Phát triển mô hình tìm kiếm ảnh theo tiếp cận cây R-Tree
Góp ý
Nghiên cứu một số cải tiến cấu trúc R-Tree và đồ thị tri thức cho bài toán tìm kiếm ảnh. Đóng góp chính của luận án là đề xuất mô hình tìm kiếm ảnh dựa trên sự kết hợp cấu trúc R-Tree với đồ thị tri thức nhằm nâng cao hiệu quả tìm kiếm ------------ Thông tin bảo vệ Luận án cấp Đại học Huế: - Thời gian: 08h00 ngày 30/6/2023 - Địa điểm: Phòng họp I.1, số 01 Điện Biên Phủ, Thành phố Huế
Nghiên cứu sinh: Lê Thị Vĩnh Thanh Tên luận án: Phát triển mô hình tìm kiếm ảnh theo tiếp cận cây R-Tree Ngành: Khoa học máy tính - Mã số: 9 48 01 01 Người hướng dẫn khoa học 1: PGS.TS. Lê Mạnh Thạnh - 2: TS. Văn Thế Thành Cơ sở đào tạo: Trường Đại học Khoa học, Đại học Huế
Những đóng góp mới của Luận án: Luận án đã nghiên cứu một số cải tiến cấu trúc R-Tree và đồ thị tri thức cho bài toán tìm kiếm ảnh. Đóng góp chính của luận án là đề xuất mô hình tìm kiếm ảnh dựa trên sự kết hợp cấu trúc R-Tree với đồ thị tri thức nhằm nâng cao hiệu quả tìm kiếm. Các đóng góp cụ thể bao gồm: Đề xuất các cải tiến đối với cấu trúc R-Tree và thiết kế RS-Tree với các khối cầu dữ liệu kết hợp đồ thị láng giềng và xây dựng cấu NBGraphRST để nâng cao độ chính xác tìm kiếm ảnh. Đồng thời đề xuất các thuật toán và các mô hình tìm kiếm ảnh theo nội dung dựa trên các cấu trúc đã xây dựng; Xây dựng đồ thị tri thức dựa trên tập dữ liệu ảnh Visual Genome để lưu trữ và mô tả các thông tin ngữ nghĩa của hình ảnh, các mối quan hệ ngữ nghĩa giữa các đối tượng trong ảnh. Từ đó, xây dựng mô hình tìm kiếm ảnh theo tiếp cận ngữ nghĩa dựa trên sự kết hợp cấu trúc RS-Tree với đồ thị tri thức để nâng cao hiệu quả tìm kiếm ảnh.
THE NEW CONTRIBUTIONS OF THE DOCTORAL THESIS
Topic: Combining R-Tree with knowledge graph for image retrieval model Major: Computer Science - Code: 9.48.01.01 Full name: Le Thi Vinh Thanh - Year: 2020 Superviors 1: Associate Professor Dr Le Manh Thanh Superviors 2: Dr Van The Thanh Institution: University of Sciences, Hue University THE NEW CONTRIBUTIONS The main contribution of the thesis is to propose an image retrieval model based on the combination of R-Tree with knowledge graph to improve retrieval accuracy. The main contributions of this thesis include: Propose improvements on the R-Tree and design the RS-Tree structure based on the data sphere; Improvements on the RS-Tree combining the neighbor graph and the building of the GraphNB-RST to improve the image retrieval accuracy; Propose algorithms and content-based image retrieval models based on the built structures; Building a foundational knowledge graph using the Visual Genome dataset to store and describe the semantic information of the image, and the semantic relationships between the objects. Since then, the semantic-based image retrieval model is built by using RS-Tree and a knowledge graph.
Nghiên cứu sinh: Lê Thị Vĩnh Thanh Tên luận án: Phát triển mô hình tìm kiếm ảnh theo tiếp cận cây R-Tree Ngành: Khoa học máy tính - Mã số: 9 48 01 01 Người hướng dẫn khoa học 1: PGS.TS. Lê Mạnh Thạnh - 2: TS. Văn Thế Thành Cơ sở đào tạo: Trường Đại học Khoa học, Đại học Huế
Những đóng góp mới của Luận án: Luận án đã nghiên cứu một số cải tiến cấu trúc R-Tree và đồ thị tri thức cho bài toán tìm kiếm ảnh. Đóng góp chính của luận án là đề xuất mô hình tìm kiếm ảnh dựa trên sự kết hợp cấu trúc R-Tree với đồ thị tri thức nhằm nâng cao hiệu quả tìm kiếm. Các đóng góp cụ thể bao gồm: Đề xuất các cải tiến đối với cấu trúc R-Tree và thiết kế RS-Tree với các khối cầu dữ liệu kết hợp đồ thị láng giềng và xây dựng cấu NBGraphRST để nâng cao độ chính xác tìm kiếm ảnh. Đồng thời đề xuất các thuật toán và các mô hình tìm kiếm ảnh theo nội dung dựa trên các cấu trúc đã xây dựng; Xây dựng đồ thị tri thức dựa trên tập dữ liệu ảnh Visual Genome để lưu trữ và mô tả các thông tin ngữ nghĩa của hình ảnh, các mối quan hệ ngữ nghĩa giữa các đối tượng trong ảnh. Từ đó, xây dựng mô hình tìm kiếm ảnh theo tiếp cận ngữ nghĩa dựa trên sự kết hợp cấu trúc RS-Tree với đồ thị tri thức để nâng cao hiệu quả tìm kiếm ảnh.
THE NEW CONTRIBUTIONS OF THE DOCTORAL THESIS
Topic: Combining R-Tree with knowledge graph for image retrieval model Major: Computer Science - Code: 9.48.01.01 Full name: Le Thi Vinh Thanh - Year: 2020 Superviors 1: Associate Professor Dr Le Manh Thanh Superviors 2: Dr Van The Thanh Institution: University of Sciences, Hue University THE NEW CONTRIBUTIONS The main contribution of the thesis is to propose an image retrieval model based on the combination of R-Tree with knowledge graph to improve retrieval accuracy. The main contributions of this thesis include: Propose improvements on the R-Tree and design the RS-Tree structure based on the data sphere; Improvements on the RS-Tree combining the neighbor graph and the building of the GraphNB-RST to improve the image retrieval accuracy; Propose algorithms and content-based image retrieval models based on the built structures; Building a foundational knowledge graph using the Visual Genome dataset to store and describe the semantic information of the image, and the semantic relationships between the objects. Since then, the semantic-based image retrieval model is built by using RS-Tree and a knowledge graph.
Các tin mới hơn
Các tin đã đăng
|
Tin tức, sự kiện nổi bật
Thông báo số 01 viết bài tham dự Hội thảo “30 năm thực hiện Nghị định 30/CP của Chính phủ, phát triển Đại học Huế thành Đại học Quốc gia”
(15-08-2024 09:31)
Thông báo tuyển sinh đại học bằng hai, liên thông từ trình độ trung cấp, cao đẳng lên đại học tại Khoa Kỹ thuật và Công nghệ - Đại học Huế năm 2023 đợt 3
(19-10-2023 14:46)
Thông báo Danh sách tập thể và cá nhân được đề nghị công nhận các danh hiệu thi đua và hình thức khen thưởng năm học 2022 - 2023
(21-08-2023 10:27)
Tin tức, sự kiện mới nhất
Trường ĐH Khoa học, Đại học Huế khai giảng năm học mới 2024 - 2025
(08-10-2024 17:03)
Trường Đại học Y - Dược, Đại học Huế Khai giảng năm học 2024 - 2025
(07-10-2024 14:07)
Chung kết cuộc thi Ý tưởng khởi nghiệp đổi mới sáng tạo Đại học Huế lần II, năm 2024
(07-10-2024 08:05)
Đại học Huế ký kết hợp tác với LG Innotek Viet Nam Hải Phòng
(04-10-2024 15:19)
Liên kết
|