Antonio Torralba, giảng viên tại Phòng thí nghiệm Trí thông minh  nhântạo và Khoa học  máy tính  của MIT, và cộng sự đã cố gắng  tìm ra đâu làlượng thông tin  nhỏ nhất – tức biểu hiện số ngắn nhất – có thể tríchxuất được từ một hình ảnh  mà đem lại được dấu hiệu hữu ích phần nộidung.

Thu được một phần biểu hiện ngắn như thế sẽ là một bước quan trọngtrong việc hiện thực hóa khả năng phân loại hàng triệu hình ảnh  trênInternet tự động. Hiện tại, cách duy nhất tìm ảnh được dựa trên lời chúthích ảnh bằng chữ mà mọi người nhập vào mỗi bức ảnh, mà nhiều bức ảnhlại thiếu thông tin  này. Nhận diện tự động sẽ đem lại một phương phápchú thích những bức ảnh  mọi người tải từ máy ảnh  kỹ thuật  số vào máytính mà không phải điền chú thích cho từng bức ảnh  bằng tay. Và đặcbiệt nó có thể dẫn đến hình ảnh  máy chân thực, điều mà một ngày nào đócó thể cho phép hình dung được dữ liệu  nhập vào từ máy ảnh  và biết đượcchúng là gì.

Theo Torralba “Chúng tôi đang cố gắng  tìm ra những đoạn mãrất ngắn cho hình ảnh  để nếu có hai hình ảnh  có chuỗi số tương tự,chúng có lẽ được chụp gần giống nhau hoặc gần như cùng một đối tượng,trong gần như cùng hoàn cảnh.” Nếu một ảnh được nhận diện với chúthích hoặc tiêu đề thì những tấm ảnh khác phù hợp với mã số của nó cólẽ sẽ về cùng một vật thể (ví dụ như ô tô, cây hoặc người) và vì vậytên liên quan đến một bức ảnh  có thể được chuyển đến cho những bức ảnhkhác.

Theo Torralba “Với một lượng ảnh vô cùng lớn, thậm chí những phép toán khá đơn giản cũng có thể thực hiện khá tốt”trong việc nhận diên ảnh theo cách này. Torralba sẽ trình bày phát hiệncủa mình vào tháng 5  ở hội thảo về Nhận diện Mẫu và hình ảnh  máy tính,Alaska. Công trình này được thực hiện cùng với Rob Fergus tại ViệnCourant, ĐH New York  và ĐH Do thái Yair Weiss, Jerusalem.

(Ảnh: Antonio  Torralba)

Câu hỏi: Bạn nhìn thấy gì trong những vòng tròn màu đỏ? Một cái chai, chiếc điện thoại di động, một người và một chiếc giày? Trả lời: Chúng chỉ là một! Giảngviên Antonio  Torralba đã tạo ra những bức ảnh  có độ phân giải  thấp này,sau đó chèn vào đối tượng trong vòng tròn đỏ, qua đó cho thấy ngoạicảnh tác động đến quá trình nhận biết vật thể của chúng ta ra sao. Ngaycả chiếc ô tô  trong tấm ảnh bên dưới phía trái cũng là cùng một thứ.

Để tìm ra bao nhiêu lượng thông tin  tối thiểu là đủđể mọi người nhận ra vật thể trong một bức ảnh, Torralba và đồng tácgiả cố gắng  giảm hình ảnh  xuống độ phân giải  càng lúc càng thấp, và xemmọi người có thể xác định được bao nhiêu ảnh ở mỗi cấp độ.

“Chúng tôi có thể nhận ra cái gì nằm trong bức ảnh, thậm chí độphân giải là rất thấp vì chúng tôi  biết rất nhiều về ảnh. Lượng thôngtin mà bạn cần để xác định phần lớn ảnh là khoảng 32x32.” Ngược lại, thậm chí ảnh thu nhỏ hiển hiện trên kết quả tìm kiếm  của Google  thường là 100x100.

Thậm chí một máy ảnh  kỹ thuật  số phải chăng hiện nay cũng cho ra nhữngbức ảnh chứa đơn vị megapixel  dữ liệu  – và mỗi pixel thường chứa 24 bit(0 hoặc 1) dữ liệu. Nhưng Torralba và cộng sự đã tạo nên một hệ thốngtoán học có thể giảm dữ liệu  từ mỗi ảnh nhiều hơn và hóa ra nhiều bứcảnh đều có thể nhận diện được thậm chí khi được mã hóa thành biểu thịtoán học chứa 256 đến 1024 bit dữ liệu.

Sử dụng lượng thông tin  nhỏ như thế trên mỗi ảnh khiến ta có thể tìmkiếm những bức ảnh  tương tự nhau trong hàng triệu bức ảnh  trong cơ sởdữ liệu, sử dụng một máy tính  cá nhân  với thời gian  ít hơn 1 giây. Vàkhông như những phương pháp khác đòi hỏi phải phân tách từng bức ảnhthành những mục nhỏ chứa những vật thể khác nhau, phương pháp này sửdụng toàn bộ ảnh, khiến cho việc áp dụng nó vào những bộ dữ liệu  lớn dễdàng hơn mà không cần sự can thiệp của con người.

Ví dụ, sử dụng hệ thống  mã hóa mà họ phát triển, Torralba và cộng sự cóthể hiển thị 12.9 triệu ảnh từ Internet  chỉ với 600 megabyte dữ liệu  –vừa đủ nhỏ để vừa với bộ nhớ RAM  của phần lớn máy tính  cá nhân  hiệntại, và có thể lưu trữ  trên một thẻ nhớ. Dữ liệu  ảnh và phần mềm tìmkiếm dữ liệu  hiện đang được công bố trên mạng.

Dĩ nhiên, một hệ thống  giảm thiểu tối đa lượng thông tin  không thể đạtđến nhận diện hoàn toàn. Hiện tại, phương pháp ghép nối hoạt động  trêncác loại hình ảnh  phổ biến nhất. “Không phải tất cả các ảnh được tạo ra như nhau.”Hình ảnh càng phức tạp hoặc lạ lùng thì nó càng khó ghép nối. Nhưng đốivới phần lớn các vật thể phổ biến nhất trong ảnh – người, hoa, ô tô,tòa nhà – kết quả thu được rất ấn tượng.

Công trình này là một phần của nghiên cứu  được thực hiện bởi hàng trămnhóm trên toàn thế giới, nhằm vào việc phân tích  nội dung  của thông tinhình ảnh. Torralba cũng cộng tác trong các công trình liên quan vớinhững nhà nghiên cứu  MIT khác như William  Freeman, giảng viên tại KhoaĐiện tử và Khoa học  máy tính; Aude Oliva, giảng viên Khoa Khoa học  nãovà nhận thức, nghiên cứu  sinh tiến sĩ Bryan Russell và Ce Liu, thuộcCSAIL. Công trình của Torralba được hỗ trợ một phần thông qua Quỹ Tàitrợ khoa học  quốc gia.

Torralba nhấn mạnh rằng công trình này vẫn đang ở giai đoạn sơ khai vàcòn có nhiều vấn đề trong việc nhận dạng những vật thể bất thường hơn.Nó cũng giống như cách chúng ta nhận biết ngôn ngữ. “Cónhiều từ bạn nghe rất thường xuyên, nhưng cho dù bạn có sống ở đấy baolâu đi chăng nữa, cũng sẽ có từ bạn chưa hề biết đến. Bạn luôn luôn cầnhiểu được một điều gì mới từ một ví dụ.” 

Bạn có ý kiến gì về bài viết Các nhà nghiên cứu phát triển phần mềm nhận diện hình ảnh mới này? Hãy gởi suy nghĩ, bình luận, đánh giá, lời khuyên ... của bạn về bài viết Các nhà nghiên cứu phát triển phần mềm nhận diện hình ảnh mới bạn tại đây.