Nhận dạng Logo sử dụng Naive Bayes Nearest Neighbor và đặc trưng DSIFT - Võ Thành C

Kết quã trên cho thấy khi phân lớp trên tập dữ liệu lớn gồm nhiều lớp thì DSIFT cho kết quả trung bình tốt hơn SIFT, về thời gian xử lý. thuật toán NBNN + DSIFT phân lóp 3960 logo (32 lớp dương + I lóp âm) với tổng thời gian là 18.37 phút. Như vậy thời gian trung bình để nhận dạng một logo dà dược rút trích là 0.28 giây. Với kết quà thu được, có thê thấy rằng phương pháp đề xuất vần có thời gian xử lý nhanh và dạt dược dộ chính xác cao. Từ đó, chúng ta có the áp dụng trong thực tế. IV. KẾT LUẬN Bài báo đã trình bày một giãi pháp nhận dạng logo sử dụng giải thuật NBNN và đặc trưng DSIFT. Một giải thuật máy học Cascades of Boosted dựa trên AdaBoost vói tập các đặc trưng Haar-like được áp dụng để định vị logo trong ảnh. Kết quã thực nghiệm cho thấy phương pháp đề xuất dạt dược độ chính xác cao với thời gian xử lý nhanh, có thế đáp ứng yêu cầu về tính thời gian thực. Ngoài ra. phương pháp dề xuất cùng giài quyết được vấn đề liên quan đến sự thay dối góc nhìn, tính không dối xứng cùa logo cần nhận dạng. Trong tương lai. chúng tôi sè ứng dụng kết quà nghiên cứu trong các hệ thống nhận dạng dối tượng nhằm dáp ứng nhu cầu thực tế như: hệ thống nhận diện thương hiệu thông qua logo, hệ thống tìm kiếm sản phẩm thông qua logo, hệ thống hỗ trợ đăng ký thương hiệu,. Bên cạnh dó. chúng tôi tiếp tục nghiên cứu các giãi thuật máy học khác cũng như việc kết hợp thêm các dặc trưng về màu sắc. hình dáng, kết cấu nhàm nâng cao khã nấng nhận dạng.