Đang chuẩn bị liên kết để tải về tài liệu:
Luận văn Thạc sĩ Khoa học máy tính: Phân loại ảnh dựa trên hướng tiếp cận Kernel

Trong đề tài này, tác giả đề xuất kernel mới, đặt tên là Hierarchical Spatial Matching Kernel (HSMK) và áp dụng cho bài toán phân loại ảnh. HSMK là mô hình cải tiến từ mô hình Spatial Pyramid Maching (SPM), nhưng thay vì sử dụng mô hình Bag-of-Feature (BoF) để mô hình cho các vùng con (subregions), HSMK sử dụng mô hình thô mịn (coarse to fine – C2F) cho các vùng con mà được hiện thực hóa bằng phương pháp multiresolution (tạm dịch nhiều loại phân giải), . Mời các bạn cùng tham khảo. | ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN LÊ THANH TÂM PHÂN LOẠI ẢNH DỰA TRÊN HƯỚNG TIẾP CẬN KERNEL LUẬN VĂN THẠC SĨ NGÀNH KHOA HỌC MÁY TÍNH Thành phố Hồ Chí Minh - 2011 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN LÊ THANH TÂM PHÂN LOẠI ẢNH DỰA TRÊN HƯỚNG TIẾP CẬN KERNEL Ngành KHOA HỌC MÁY TÍNH Mã số 60.48.01 LUẬN VĂN THẠC SĨ Chuyên ngành Tin học NGƯỜI HƯỚNG DẪN KHOA HỌC PGS. TS. NGUYỄN ĐÌNH THÚC TS. TRẦN THÁI SƠN Thành phố Hồ Chí Minh - 2011 1 LỜI CẢM ƠN Trước tiên tôi xin chân thành cảm ơn PGS.TS. Nguyễn Đình Thúc và TS. Trần Thái Sơn đã hướng dẫn tận tình cho tôi trong suốt thời gian thực hiện luận văn. Tôi xin cảm ơn GS. Akihiro Sugimoto National Institute of Informatics Tokyo Japan và TS. Yousun Kang National Institute of Informatics Tokyo Japan đã chỉ dẫn và cho tôi những góp ý quý báu về nội dung luận văn trong thời gian thực tập 6 tháng ở Viện Tin học Quốc gia Nhật Bản National Institute of Informatics Tokyo Japan . Tôi xin cảm ơn GS. Seiichi Mita Toyota Technological Institutue Nagoya Japan đã tận tình hỗ trợ hướng dẫn và giúp tôi có những kinh nghiệm thực tiễn trong quá trình thực tập 3 tháng ở Học viện Kỹ thuật Toyota Nagoya Nhật Bản Toyota Technological Institute Nagoya Japan . Tôi xin cảm ơn GS. D. McAllister Toyota Technological Institute Chicago USA và GS. L. El Ghaoui University of California Bekerley USA đã tận tình giảng dạy cho tôi những nền tảng cơ bản về máy học tối ưu và thị giác máy tính. Tôi xin cảm ơn ThS. Trần Lê Hồng Dũ và nghiên cứu sinh M. Kloft University of California Bekerley USA đã trao đổi thảo luận và truyền đạt những kinh nghiệm quý báu trong quá trình thực nghiệm đề tài. Tôi cũng xin gởi lời cảm ơn quý thầy cô anh chị và bạn bè trong khoa Công nghệ thông tin Trường Đại Học Khoa Học Tự Nhiên TP.HCM những người đã giúp đỡ cũng như cung cấp cho tôi những kiến thức kinh nghiệm. Con xin cảm ơn ba mẹ và gia đình luôn yêu thương hỗ trợ con trong suốt thời gian học tập giúp con