Your browser does not support JavaScript!

 

資工系助理教授楊惠芳 發表SSDH演算法 提高電腦檢索圖像速度與正確性
201803-30 人工智慧(AI)產業近年蓬勃發展,國立高雄大學資訊工程學系助理教授楊惠芳基於「深度學習(Deep Learning (DL))」提出新式演算法「Supervised Semantics-preserving Deep Hashing (SSDH)」,大幅提高圖像搜尋的速度與正確性,已有國內網路電商運用於購物 app,其研究成果已於今(2018)年初發表於AI領域頂尖期刊「IEEE Trans. Pattern Analysis and Machine Intelligence (TPAMI)」。

楊惠芳表示,「深度學習」屬於人工智慧領域裡的分支「機器學習」,其原理來自「類神經網路 (neural networks)」,意即模擬人類大腦的神經網路。

圖像檢索是電腦視覺裡的一個重要問題,其目地是給定一查詢圖 (query image),依據查詢圖的內容,找到在圖像資料庫裡跟查詢圖相似的圖,因此檢索速度是一重要因素。在比對圖像之間的相似度時,若萃取的圖像特徵是浮點數值,則計算相似度時運算量大,檢索耗時。

楊惠芳基於「深度學習」所提出的 SSDH 技術,利用圖像的類別資訊,讓電腦習得二元碼(binary code,由 0 或 1 組成的碼)做為圖像特徵,二元碼在比對時的運算比浮點數值的運算快很多,如此一來可加速以圖找圖速度且提高正確性。

楊惠芳的研究結果收錄於其「Supervised learning of semantics-preserving hash via deep convolutional neural networks」論文,且成果已被國內某網路電商開發手機購物 app,消費者利用該 app,拍攝有興趣或喜歡的服飾照片,即可快速海選商城加盟店家上萬件相同或類似產品。

人工智慧研究領域廣泛,如楊惠芳主要研究項目為機器學習、電腦視覺,其他尚有知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、智能機器人、自動程式設計等方面。


--
瀏覽數  
將此文章推薦給親友
請輸入此驗證碼