High-Performance Content-Based Imag

High-Performance Content-Based Image Retrieval Using DFS Strategy
With advances of mobile camera, a large number of
images are yielded and stored in the digital archives. It
incurs a problem for how to retrieve images effectively
and efficiently from a big image archive. To aim at this
problem, a considerable number of past studies have
been made on image retrieval. Typically, image
retrieval can be classified into two categories, namely
text-based image retrieval called TBIR and contentbased
image retrieval called CBIR.
For a text-based image retrieval system like Google
search engine, Yahoo search engine, etc, as shown in
Figure 1, a user can define the terms as semantic query
to retrieve the relevant images. To meet the
requirement of semantic retrieval, the images have to
be annotated in advance. This leads a further problem
for image annotation. On one hand, manual annotation
can result in good retrieval quality, but it needs high
annotation cost especially for a massive amount of
images. On the other hand, automated annotation can
reduce the high-priced annotation cost, but the
unreliable annotation quality might cause low-quality
of image retrieval. In addition to annotation problem,
the term ambiguity appearing frequently in text-based
image retrieval might result in incorrect results.
Figure 1. Example of TBIR.
In addition to TBIR, as shown in Figure 2, another
solution for retrieving images is content-based image
retrieval [1]. In principal, CBIR refers a set of
approaches comparing images by visual features such
as color, shape, texture, etc. Without considering the
related concepts, the most relevant images can be
retrieved by the query image. Although CBIR can
avoid problems existing in TBIR, it still suffers
problem of high computation cost and lacks semantic
results. The high computation cost indicates that the
computation will be high as the number of images is
large, while the lack of semantic results indicates no
semantic concepts related to the query image are

Results (Vietnamese) 1:

Thu hồi hiệu suất cao dựa trên nội dung hình ảnh bằng cách sử dụng chiến lược DFSVới những tiến bộ của máy ảnh điện thoại di động, một số lượng lớnhình ảnh mang lại và được lưu trữ trong kho lưu trữ kỹ thuật số. Nóphải gánh chịu một vấn đề để làm thế nào để lấy lại hình ảnh một cách hiệu quảvà hiệu quả từ một kho lưu trữ hình ảnh lớn. Để nhằm mục đích nàyvấn đề, có một lượng đáng kể các nghiên cứu trong quá khứđược thực hiện trên hình ảnh phục hồi. Thông thường, hình ảnhphục hồi có thể được phân loại thành hai loại, cụ thể làtra cứu văn bản dựa trên hình ảnh được gọi là TBIR và contentbasedphục hồi hình ảnh được gọi là CBIR.Cho một hệ thống phục hồi hình ảnh dựa trên văn bản như Googlecông cụ tìm kiếm, công cụ tìm kiếm Yahoo, vv, như trongHình 1, người dùng có thể xác định các điều khoản như ngữ nghĩa truy vấnđể lấy những hình ảnh có liên quan. Để đáp ứng cácyêu cầu của truy ngữ nghĩa, các hình ảnh có thểđược chú thích trước. Điều này dẫn một vấn đề nữaĐối với hình ảnh chú thích. Một mặt, hướng dẫn sử dụng chú thíchcó thể dẫn đến chất lượng phục hồi tốt, nhưng nó cần caochi phí chú thích đặc biệt là đối với một số lượng lớnhình ảnh. Mặt khác, có thể chú thích tự độnggiảm chi phí giá cao chú giải, nhưng cácchất lượng tin cậy chú thích có thể khiến chất lượng thấpcủa phục hồi hình ảnh. Ngoài vấn đề chú thích,sự mơ hồ của thuật ngữ xuất hiện thường xuyên trong các căn cứ văn bảnphục hồi hình ảnh có thể dẫn đến kết quả không chính xác.Hình 1. Ví dụ của TBIR.Ngoài TBIR, như minh hoạ trong hình 2, khácCác giải pháp để lấy hình ảnh là nội dung dựa trên hình ảnhthu hồi [1]. Trong hiệu trưởng, CBIR đề cập một tập hợp cácphương pháp so sánh hình ảnh trực quan các tính năng như vậynhư màu sắc, hình dạng, kết cấu, v.v... Mà không xem xét cácliên quan đến khái niệm, những hình ảnh có liên quan nhất có thểLấy bằng hình ảnh truy vấn. Mặc dù có thể CBIRtránh các vấn đề tồn tại trong TBIR, nó vẫn bịvấn đề cao tính toán chi phí và thiếu ngữ nghĩakết quả. Chi phí tính toán cao chỉ ra rằng cáctính toán sẽ được cao như là một số hình ảnhlớn, trong khi thiếu ngữ nghĩa kết quả cho thấy không cóngữ nghĩa khái niệm liên quan đến hình ảnh truy vấn

Results (Vietnamese) 2:

High-Performance Content-Based ảnh Retrieval Sử dụng Chiến lược DFS
Với những tiến bộ của máy ảnh điện thoại di động, một số lượng lớn các
hình ảnh được mang lại và được lưu trữ trong kho lưu trữ kỹ thuật số. Nó
phải gánh chịu một vấn đề làm thế nào để lấy lại hình ảnh một cách hiệu quả
và hiệu quả từ một kho lưu trữ hình ảnh lớn. Để nhằm mục đích này
vấn đề, một số lượng đáng kể các nghiên cứu trước đây đã
được thực hiện vào hồi hình ảnh. Thông thường, hình ảnh
phục hồi có thể được phân thành hai loại, cụ thể là
văn bản dựa trên hình ảnh hồi gọi TBIR và contentbased
hồi hình ảnh gọi là CBIR.
Đối với một hệ thống phục hồi hình ảnh dựa trên văn bản như Google
công cụ tìm kiếm, công cụ tìm kiếm Yahoo, vv, như thể hiện trong
hình 1 , người dùng có thể xác định các điều khoản như truy vấn ngữ nghĩa
để lấy các hình ảnh có liên quan. Để đáp ứng
yêu cầu thu hồi ngữ nghĩa, hình ảnh phải
được ghi chú vào trước. Điều này dẫn một vấn đề nữa
cho các chú thích ảnh. Một mặt, nhãn chú thích
có thể dẫn đến chất lượng hồi tốt, nhưng nó cần cao
chi phí chú thích đặc biệt đối với một số lượng lớn các
hình ảnh. Mặt khác, chú thích tự động có thể
giảm chi phí chú thích giá cao, nhưng
chất lượng chú thích không đáng tin cậy có thể gây ra chất lượng thấp
của hồi hình ảnh. Ngoài vấn đề chú thích,
sự mơ hồ từ xuất hiện thường xuyên trong văn bản dựa trên
hồi hình ảnh có thể dẫn đến kết quả không chính xác.
Hình 1. Ví dụ về TBIR.
Ngoài TBIR, như thể hiện trong hình 2, một
giải pháp để lấy hình ảnh là dựa trên nội dung hình ảnh
hồi [1]. Về nguyên tắc, CBIR đề cập một tập hợp các
phương pháp so sánh hình ảnh của các tính năng trực quan
như màu sắc, hình dạng, kết cấu, vv Nếu không xem xét các
khái niệm liên quan, những hình ảnh phù hợp nhất có thể được
lấy ra bằng hình ảnh truy vấn. Mặc dù CBIR có thể
tránh vấn đề tồn tại trong TBIR, nó vẫn còn bị
vấn đề về chi phí tính toán cao và thiếu ngữ nghĩa
kết quả. Chi phí tính toán cao chỉ ra rằng
tính toán sẽ cao như số lượng hình ảnh là
lớn, trong khi thiếu các kết quả chỉ ra ngữ nghĩa không có
khái niệm ngữ nghĩa liên quan đến hình ảnh truy vấn là