PHÂN LỚP ẢNH BẰNG KD-TREE RANDOM FOREST

Nguyễn Thị Định, Trần Thị Thanh Hà, Văn Thế Thành

Tóm tắt


 

 

Trong bài báo này, một phương pháp phân lớp hình ảnh dựa trên cấu trúc KD-Tree Random Forest được đề xuất nhằm thực hiện phân lớp ảnh bằng nhiều cấu trúc KD-Tree độc lập. Trong đó, mỗi cấu trúc KD-Tree được sử dụng phân lớp nhiều lần cho một ảnh đầu vào theo mô hình phân lớp đa tầng. Quá trình phân lớp ảnh dựa trên cấu trúc KD-Tree Random Forest thực hiện theo phương pháp xây dựng cấu trúc KD-Tree Random Forest và huấn luyện bộ vector phân lớp. Vì vậy, các thuật toán phân lớp hình ảnh dựa trên cấu trúc KD-Tree Random Forest, huấn luyện bộ véc-tơ phân lớp và mô hình phân lớp ảnh được đề xuất. Dựa trên cơ sở lí thuyết này, thực nghiệm được xây dựng trên bộ ảnh Clatech256 và so sánh với các công trình khác cùng bộ dữ liệu để minh chứng tính khả thi của phương pháp đề xuất. Theo kết quả thực nghiệm cho thấy phương pháp của chúng tôi là hiệu quả và có thể áp dụng được cho các hệ phân loại hình ảnh thuộc các lĩnh vực khác nhau.

 


Từ khóa


phân lớp ảnh; hiệu suất phân lớp; KD-Tree Random Forest; hình phân lớp

Toàn văn:

PDF

Trích dẫn


Amini, S., Homayouni, S., Safari, A., & Darvishsefat, A. A. (2018). Object-based classification of hyperspectral data using Random Forest algorithm. Geo-spatial information science, 21(2), 127-138.

Chaganti, S. Y., Nanda, I., Pandi, K. R., Prudhvith, T. G., & Kumar, N. (2020). Image Classification using SVM and CNN. In 2020 International Conference on Computer Science, Engineering and Applications, 1-5.

Dang, Y., Jiang, N., Hu, H., Ji, Z., & Zhang, W. (2018). Image classification based on quantum K-Nearest-Neighbor algorithm. Quantum Information Processing, 17(9), 1-18.

Dinh, N. T., & Le, T. M. . (2022). An Improvement Method of Kd-Tree Using k-Means and k-NN for Semantic-Based Image Retrieval System. In World Conference on Information Systems and Technologies, 177-187.

Hamreras, S., Boucheham, B., Molina-Cabello, M. A., Benitez-Rochel, R., & Lopez-Rubio, E. (2020). Content based image retrieval by ensembles of deep learning object classifiers. Integrated Computer-Aided Engineering, 27(3), 317-331.

Khotimah, W. N., et al. (2015). Tuna fish classification using decision tree algorithm and image processing method. 2015 International Conference on Computer, Control, Informatics and its Applications.

Nayak, D. R., Dash, R., & Majhi, B. (2016). Brain MR image classification using two-dimensional discrete wavelet transform and AdaBoost with random forests. Neurocomputing, 177, 188-197.

Nguyen, T. D., Van. T. T., & Le, M. T. (2021). A method of image classification base on kd-tree structure for semantic-based image retrieval system. Proceedings of the National Conference on Basic Research and IT Applications (FAIR21).

Nguyen, T. D., Van, T. T., & Le, M. T. (2021). Mot phuong phap phan lop tren cau truc KD-Tree cho bai toan tim kiem anh theo ngu nghia [A method of image classification based on KD-tree structure for semantic-based image retrieval system. Proceedings of the National Conference on Fundamental and Applied IT Research (FAIR21).

Ortac, G., & Ozcan, G. (2021). Comparative study of hyperspectral image classification by multidimensional Convolutional Neural Network approaches to improve accuracy. Expert Systems with Applications.

Ouni, A. (2020). A machine learning approach for image retrieval tasks. 35th International Conference on Image and Vision Computing New Zealand (IVCNZ). IEEE.

Rashid, M., Khan, M. A., Alhaisoni, M., Wang, S. H., Naqvi, S. R., Rehman, A., & Saba, T. (2020). A sustainable deep learning framework for object recognition using multi-layers deep features fusion and selection. Sustainability, 12(12).

Sawant Shrutika S., a. M. P. (2017). Semi-supervised techniques based hyper-spectral image classification: a survey. Innovations in Power and Advanced Computing Technologies (i-PACT).

Wang, A., Wang, Y., & Chen, Y. (2019). Hyperspectral image classification based on convolutional neural network and random forest. Remote sensing letters, 10(11), 1086-1094.

Xia, J., Ghamisi, P., Yokoya, N., & Iwasaki, A. (2017). Random forest ensembles and extended multiextinction profiles for hyperspectral image classification. IEEE Transactions on Geoscience and Remote Sensing, 56(1), 202-216.

Zheng, Y., Fan, J., Zhang, J., & Gao, X. (2017). Hierarchical learning of multi-task sparse metrics for large-scale image classification. Pattern Recognition, 67, 97-109.




DOI: https://doi.org/10.54607/hcmue.js.20.1.3614(2023)

Tình trạng

  • Danh sách trống