Kỹ thuật tra cứu ảnh cây dược liệu dựa vào nội dung phục vụ cho phát hiện, quản lý và khai thác

HộiHội
Thảo
Quốc
Gia
2015
và Công
CôngNghệ
Nghệ
Thông
(ECIT
2015)
Thảo
Quốc
Gia
2015về
vềĐiện
ĐiệnTử,
Tử,Truyền
TruyềnThông
Thông và
Thông
TinTin
(ECIT
2015)

Kỹ Thuật Tra Cứu Ảnh Cây Dược Liệu Dựa Vào Nội
Dung Phục Vụ Cho Phát Hiện, Quản Lý Và Khai Thác
Nguyễn Văn Huân và Nguyễn Văn Tảo
Trường Đại Học Công Nghệ Thông Tin và Truyền Thông – Đại Học Thái Nguyên
Email: ,
Abstract—Bài báo này đề xuất việc nghiên cứu và áp dụng kỹ

thuật tra cứu ảnh về cây dược liệu theo nội dung sử dụng dấu
hiệu nhị phân của ảnh như xác định véc tơ đặc trưng, biểu diễn
và trích rút đặc trưng và tính độ tương tự nhằm hỗ trợ cho cơng
tác tìm kiếm, nhận dạng và phát hiện về cây dược liệu. Đồng thời,
đề xuất cài đặt ứng dụng thực nghiệm có sử dụng kỹ thuật tra
cứu ảnh cây dược liệu vào phục vụ cho việc quản lý, khai thác và
duy trì một cách có hiệu quả các nguồn cây dược liệu của Việt
Nam. Kết quả đề xuất này sẽ góp phần giúp cho các nhà quản lý,
nhà dược liệu có được một cơng cụ hữu ích nhằm theo dõi, thống
kê, nhận dạng và quản lý cây dược liệu một cách hiệu quả.

lá cây được nhận dạng sẽ được trích đường viền đặc trưng sau
đó so sánh với các mẫu lá cây có trong cơ sở dữ liệu.
Tuy nhiên, khi số lượng ảnh được lưu trữ trở nên rất lớn thì
vấn đề đặt ra là phải có những phương pháp tổ chức cơ sở dữ
liệu ảnh tốt cùng với những kỹ thuật tra cứu, tra cứu ảnh hiệu
quả, có độ chính xác cao và có hiệu năng tốt mới đáp ứng được
nhu cầu ngày càng cao của con người. Việc xây dựng các hệ
thống tra cứu ảnh là rất cần thiết. Trong thực tế, bài tốn tra
cứu ảnh số có rất nhiều ứng dụng quan trọng. Ví dụ trong lĩnh
vực ngân hàng việc so sánh chữ ký của khách hàng với mẫu
chữ ký đã được lưu trữ sẵn có thể thực hiện rất nhanh và chính
xác nếu có được một phần mềm so sánh mẫu chữ ký tốt. Các
ứng dụng phức tạp hơn như so sánh mẫu vân tay, tra cứu ảnh
tội phạm v.v... là những bài toán tra cứu ảnh được áp dụng
trong ngành khoa học hình sự.
Phần cịn lại của bài báo được tổ chức như sau: trong phần
II, chúng tơi trình bày kỹ thuật đề xuất. Trong phần III, chúng
tôi đưa ra kết quả thực nghiệm. Phần IV đánh giá kết quả và
phân tích lý thuyết. Cuối cùng, chúng tơi kết luận bài báo

trong phần V.

Keywords- Cây dược liệu, Véc tơ đặc trưng, Tính độ tương tự,
Đo khoảng cách.

I.

GIỚI THIỆU

Cây thuốc (cây dược liệu) có một vai trị quan trọng đối với
đời sống của mỗi con người, đặc biệt trong chăm sóc sức khỏe.
Ngày nay, cây dược liệu đã được con người phát hiện, nhận
dạng và khai thác trên cơ sở công dụng của chúng đối với đời
sống chúng ta, đặc biệt là cây dược liệu đem lại giá trị kinh tế
cao. Tuy nhiên hiện nay, nguồn cây dược liệu đang ngày càng
bị cạn kiệt do nhiều nguyên nhân. Việc ứng dụng Cơng nghệ
thơng tin vào quản lý các lồi cây dược liệu đã được phát hiện
khơng cịn là mới, tuy nhiên ứng dụng vào phát hiện và tra cứu,
cụ thể là kỹ thuật xử lý ảnh [3] hiện nay khơng có nhiều.
Liên quan tới vấn đề cây dược liệu và nhận dạng lá cây có
một số cơng trình, bài báo trong và ngồi nước đã nghiên cứu
vấn đề này như cơng trình nghiên cứu của tác giả Đỗ Tất Lợi
[4] cây dược liệu có vai trị rất quan trọng đối với cuộc sống
của mỗi chúng ta, nó là nguyên liệu để chăm sóc sức khỏe con
người và góp phần phát triển kinh tế. Trong cơng trình nghiên
cứu của tác giả cũng đã chỉ ra nhiều lồi cây dược liệu với
những cơng dụng quan trọng. Trong các cơng trình nghiên cứu
của nhóm tác giả K. Lee và cộng sự [8], A. Bhardwaj và cộng
sự [1], C. Sari [2] đã sử dụng kỹ thuật nhận dạng dựa vào
đường viền và hình dạng của lá để nhận dạng lá cây. Kết quả

bài báo đã nhận dạng và phát hiện với khoảng gần 2000 lá của
32 lồi cây khác nhau. Cơng trình nghiên cứu của nhóm tác giả
Patil và cộng sự [10] đã sử dụng kỹ thuật nhận dạng ảnh dựa
vào mầu, cấu trúc và hình dạng của ảnh. Một cơ sở dữ liệu ảnh
gồm các thông tin như trên được tạo và ảnh cần nhận dạng sẽ
được trích rút các đặc trưng và so sánh với những ảnh mẫu
trong cơ sở dữ liệu ảnh. Kết quả nghiên cứu của nhóm tác giả
J. Du và cộng sự [6], [5,7,9] đã sử dụng kỹ thuật phân lớp các
lá cây. Các lá cây mẫu được phân lớp và lưu vào cơ sở dữ liệu,

ISBN: 978-604-67-0635-9

II. KỸ THUẬT TRA CỨU ẢNH CÂY DƯỢC LIỆU
THEO NỘI DUNG DỰA VÀO DẤU HIỆU NHỊ PHÂN
Trong bài báo sử dụng kỹ thuật tra cứu ảnh cây dược liệu theo
nội dung dựa vào dấu hiệu nhị phân và vector đặc trưng.
- Dựa vào dấu hiệu nhị phân:
Việc lưu trữ các đặc trưng của ảnh có thể sẽ tốn rất nhiều
khơng gian lưu trữ. Để giảm bớt việc tiêu tốn không gian lưu
trữ, tác giả sử dụng dấu hiệu nhị phân, là các chuỗi bit nhị phân
có kích thước được xác định trước đại diện cho sự phân bố màu
sắc của một hình ảnh. Khi ta tra cứu ảnh, giả định rằng dấu
hiệu nhị phân của hình ảnh được lưu trữ tuần tự trong một tập
tin. Để xử lý một tra cứu, tập tin được quét và tất cả các dấu
hiệu nhị phân của hình ảnh được so sánh với dấu hiệu nhị phân
của các hình ảnh tra cứu bằng cách sử dụng một số liệu tương
tự cũng được xác định. Các hình ảnh được so sánh sẽ được lấy
ra và xếp hạng theo tương đồng với hình ảnh truy vấn.
Hệ thống tra cứu ảnh dựa vào dấu hiệu nhị phân gồm hai pha.
Pha thứ nhất, tạo cơ sở dữ liệu đặc trưng. Các ảnh trong cơ sở

dữ liệu được xác định để lấy các vector đặc trưng, các đặc
trưng được trích rút thành một cơ sở dữ liệu đặc trưng. Pha thứ
hai, truy vấn cơ sở dữ liệu. Khi ảnh cây dược liệu cần truy vấn
được đưa vào hệ thống, nó sẽ được xác định vector đặc trưng và
được đối sánh với các đặc trưng của các ảnh cây dược liệu mẫu.

353
353


Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)

Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)

Hình 1. Kiến trúc của kỹ thuật tra cứu ảnh cây dược liệu sử dụng dấu hiệu nhị phân

Trong đó, pos( BQj ), pos( B I ) là các vị trí của các bit được
j

Các đặc trưng của ảnh lá cây dược liệu truy vấn được so sánh
với các đặc trưng của tất cả các ảnh lá của cây dược liệu mẫu
sử dụng độ đo tương tự. Vì thế, ba quá trình quan trọng trong
hệ thống tra cứu ảnh theo nội dung sử dụng dấu hiệu nhị phân
là: xác định vector đặc trưng; biểu diễn, trích rút đặc trưng và
tính độ tương tự.
- Đo độ tương tự:
Khi ta đưa một ảnh lá cây dược liệu vào để thực hiện tra cứu,
đầu tiên ảnh đầu vào cũng được xác định chuỗi dấu hiệu nhị
phân của nó. Tiếp theo chuỗi đó sẽ được so sánh với tập các
chuỗi dấu hiệu nhị phân của tập ảnh lá cây dược liệu mẫu. Nó

là cơ bản của việc tính tốn độ tương tự giữa các chuỗi dấu
hiệu nhị phân của hình ảnh lá cây dược liệu truy vấn được
người dùng chỉ định và tất cả các hình ảnh lá cây dược liệu
mẫu khác. Ngay từ đầu, tôi sử dụng các phương pháp sau đây
để tính độ tương tự giữa ảnh truy vấn và ảnh mẫu:

d 0 (Q, I )

n

j 1

( pos( BQj )

pos( BIj )

thiết lập trong chuỗi dấu hiệu nhị phân của ảnh Q và I (hay các
bin được thiết lập) bin Bj của hình ảnh Q và I.
1

2

3

Ta có pos( B A = 2, pos( B A ) = 1,và pos( B A ) = 8. Tuy
nhiên phương pháp này không mạnh mẽ và không thể hiện
được sự khác biệt rõ ràng của các ảnh. Để minh họa cho thuật
toán ta xét dấu hiệu nhị phân của ba ảnh A, B và C.
Ta thấy mật độ màu (cột thứ hai trong bảng), hình ảnh A và C
là tương tự như nhau hơn so với hình ảnh A và B. Tuy nhiên,

chúng ta có: d0(A, B) = (4 - 4) + (4-4) + (5 - 3) = 2 và d0 (A,
C) = (4 - 3) + (4-3) + (5-5) = 2, điều này cho thấy rằng cả ảnh
B và C đều có giá trị như nhau tương tự như ảnh A, do đó trái
ngược với trực giác. Nhưng nếu chúng ta bình phương khoảng
cách giữa các bộ số nhị phân, chúng ta có thể có thấy được sự
khác biệt rõ ràng của các hình ảnh. Và khoảng cách giữa các
bộ số nhị phân là:

(1)

354
354


Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)

Bảng 1. Chuỗi dấu hiệu nhị phân minh họa sự giống và khác nhau của ảnh

Bin màu sắc

Mật độ màu

được thiết

Dấu hiệu nhị phân
b1

lập

b2

b3

b4

b5

b6

b7

b8

b9

b10

Ảnh A
c1/B1A

30%

0

0

0

1

0

0

0

0

0

0

A

30%

0

0

0

1

0

0

0

0

0

0

c3/B3A

40%

0

0

0

0

1

0

0

0

0

0

c2/B

2

Ảnh B
c1/B1B
c2/B

2

c3/B

3

c1/B

1

39%

0

0

0

1

0

0

0

0

0

0

B

39%

0

0

0

1

0

0

0

0

0

0

B

22%

0

0

1

0

0

0

0

0

0

0

Ảnh C

C

29%

0

0

1

0

0

0

0

0

0

0

c2/B2C

29%

0

0

1

0

0

0

0

0

0

0

42%

0

0

0

0

1

0

0

0

0

0

c3/B

3

C

Thuật toán tính độ tương tự giữa hai ảnh Q và I:

III.

Đầu vào: Các chuỗi dấu hiệu nhị phân của ảnh Q và I
Đầu ra:

Khoảng cách d(Q, I)
j

Tìm Pos( BQ ) và Pos( B I )
j

j

j

Pos( BQ ) và Pos( B I ) là các vị trí của các bit được
thiết lập trong chuỗi dấu hiệu nhị phân của ảnh Q và I (hay
các bin được thiết lập) bin Bj của hình ảnh Q và I.
Tính khoảng cách d(Q, I)
n

d(Q, I)=

j 1

j

[pos ( BQ ) – pos ( B I )]2
j

KẾT QUẢ THỰC NGHIỆM

Bài toán đặt ra là khi người sử dụng cung cấp một ảnh lá cây
dược liệu cần tra cứu. Hệ thống có nhiệm vụ tìm kiếm trong
dữ liệu ảnh lá cây dược liệu đã có và đưa ra kết quả là tỷ lệ độ
tương đồng của ảnh cần truy vấn với các ảnh trong cơ sở dữ
liệu ảnh.
Ban đầu, ảnh lá cây dược liệu mẫu sẽ được tiền xử lý (bởi
cơng đoạn tiền xử lý) để trích rút các véc tơ đặc trưng. Công
đoạn tra cứu nhận dạng ảnh lá cây dược liệu được truy vấn từ
người sử dụng thơng qua giao diện đồ họa, trích rút các véc tơ
đặc trưng từ ảnh truy vấn, so sánh với các cụm đặc trưng của

ảnh lá cây dược liệu mẫu trong cơ sở dữ liệu ảnh và trả về các
ảnh có độ tương tự lớn nhất với ảnh truy vấn.
- Công đoạn tiền xử lý được thực hiện như sau:
Thông qua bước này, ảnh truy vấn sẽ được loại bỏ những
thông tin nhiễu hay những thông tin không cần thiết. Tập ảnh
thô ban đầu được xử lý lưu trữ dưới các định dạng .JPG,
.JPEG, hay .GIF để giảm độ lớn dung lượng khi lưu vào cơ sở
dữ liệu ảnh. Kích thước của ảnh cũng được giảm xuống cịn
1x1 cm. Tại cơng đoạn này ảnh được truy vấn sau loại bỏ
nhiễu sẽ được trích rút vector đặc trưng của ảnh và biểu diễn
hình ảnh dưới dạng chuỗi dấu hiệu nhị phân.
Hình 2 dưới đây sẽ minh họa quá trình tiền xử lý ảnh, cụ thể:
với các tập ảnh thô thu nhận được bằng cách sử dụng máy ảnh,
scanner,… Sau đó, chúng ta sử dụng các công cụ như
Photoshop, Paint,… xử lý các ảnh thơ về các ảnh tinh với kích
thước 1x1 cm để phục vụ cho quá trình nhận dạng và tra cứu
sau này.

(2)

Return d(Q, I).
Nhận xét: Bằng cách sử dụng các khoảng cách tương tự thu
được, các thiết lập hình ảnh sau đó được sắp xếp lại đối với
khoảng cách tăng dần của các ảnh lá cây dược liệu mẫu (so
với hình ảnh truy vấn) và ảnh nào có khoảng cách tương tự so
với ảnh truy vấn nhỏ nhất, nó chính là ảnh giống với ảnh truy
vấn nhất.
Trước khi ảnh lá cây dược liệu được cho vào cơ sở dữ liệu ảnh
và ảnh truy vấn, ảnh lá cây sẽ được tiền xử lý. Ảnh lá cây dược
liệu thu được ở giai đoạn thu nhận ảnh vẫn còn nhiều “nhiễu”

làm cho quá trình nhận dạng ảnh và quản lý phức tạp gây chậm
hệ thống, do đó cần phải xử lý trước khi trích rút các đặc trưng.

355
355


Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)

Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)

Hình 2. Tiền xử lý ảnh dữ liệu

- Công đoạn tra cứu được thực hiện như sau:
Người sử dụng cung cấp cho hệ thống ảnh truy vấn thông qua
giao diện đồ họa. Sau đó hệ thống phân đoạn ảnh truy vấn
thành các vùng ảnh và trích rút các véc tơ đặc trưng của các
ảnh.

Chuỗi dấu hiệu nhị phân của ảnh truy vấn sẽ được so sánh với
chuỗi dấu hiệu nhị phân của các ảnh trong cơ sở dữ liệu. Kết
quả trả về là tập các ảnh có độ tương tự với ảnh truy vấn nhất.
Tập ảnh kết quả được phân hạng theo thứ tự giảm dần của độ
tương tự.

Hình 3. Hiển thị kết quả tra cứu

Đồng thời, hiển thị ra kết quả là các ảnh đích được sắp xếp theo
thứ tự từ ảnh có độ chính xác cao đến độ chính xác thấp hơn so
với ảnh nguồn.

Hình 3 ở trên cho biết, với ảnh nguồn đưa vào (Source) và ảnh
đích – kết quả cần tìm (Destination). Sau đó, thực hiện tra cứu,
trong quá trình thực hiện tra cứu, hệ thống sẽ hiện thị ra độ
tương tự giữa hai ảnh nguồn và đích dưới dạng biểu đồ.

356
356


HộiHội
Thảo
Quốc
Gia
2015
và Cơng
CơngNghệ
NghệThơng
Thơng
(ECIT
2015)
Thảo
Quốc
Gia
2015vềvềĐiện
ĐiệnTử,
Tử,Truyền
TruyềnThơng
Thơng và
TinTin

(ECIT
2015)
IV.

thấy độ chính xác ứng với số lượng ảnh nguồn là 20; 30;
50 sẽ cho kết quả tương ứng là 52%; 50%; 45%. Như vậy,
với kết quả này khẳng định là độ chính xác của kết quả
truy vấn là tương đối cao

ĐÁNH GIÁ KẾT QUẢ

Chương trình thử nghiệm được xây dựng dựa trên kỹ thuật tra
cứu ảnh sử dụng dấu hiệu nhị phân của màu. Với kết quả của kỹ
thuật tra cứu này sẽ góp phần giúp cho các nhà quản lý, nhà
nghiên cứu dược liệu có những giải pháp nhận dạng, xử lý và
phát hiện những cây dược liệu quý một cách nhanh chóng, hiệu
quả trên cơ sở những đặc trưng, đặc tính và cơng dụng của
chúng.
Ảnh lá cây dược liệu đầu vào được thực hiện với các loài cây
như Rau má, Ráy, Diệp hạ châu,… Mỗi ảnh cần truy vấn sẽ
được thực hiện tối thiểu 3 lần tương ứng với số lượng ảnh lá
cây dược liệu nguồn đầu vào lần lượt là 20, 30 và 50 lá.

Nhận xét: Qua ba nhóm dữ liệu cuả ba nhóm nguồn ảnh thử
nghiệm đầu vào trên, cho thấy qua những lần thử nghiệm khác
nhau với số lượng ảnh nguồn đầu vào tăng dần khác nhau thì
kết quả cho thấy độ chính xác trong kết quả nhận dạng, tra cứu
sẽ giảm dần.
V.

Cây dược liệu là một trong những lồi cây khơng chỉ có vai trị
hết sức quan trọng trong chăm sóc sức khỏe cho con người,
động vật,… mà còn đem lại giá trị kinh tế cao cho đất nước.
Nhằm tìm kiếm, khai thác, sử dụng, bảo vệ, quản lý, duy trì và
phát triển một cách hiệu cây dược liệu của Việt Nam. Trong
bài báo này, chúng tôi đã nghiên cứu và đề xuất áp dụng kỹ
thuật tra cứu ảnh dựa vào nội dung sử dụng dấu hiệu nhị phân
và véc tơ đặc trưng vào thực hiện truy vấn ảnh lá cây dược liệu.
Kết quả của bài báo đã đánh giá được tỷ lệ phần trăm độ tương
tự khi thực hiện truy vấn ảnh lá cây dược liệu đối với kho dữ
liệu ảnh mẫu được xây dựng thông qua các công đoạn từ việc
thu thập ảnh, tiền xử lý đến thực hiện trích chon các đặc trưng
của ảnh. Kết quả của bài báo có thể giúp cho các nhà quản lý
xem xét và áp dụng vào quy trình quản lý, bảo tồn các loài cây
quý hiếm đặc biệt là các loài cây dược liệu quý một cách hiệu
quả hơn.
Kết quả của bài báo đã được cài đặt, thử nghiệm và đánh giá
thông qua hệ thống phần mềm và kết quả cho thấy độ chính
xác cao, bước đầu đã thấy khả quan.

Bảng 2. Kết quả thực hiện truy vấn

STT

Số lượng ảnh
nguồn

Kết quả

20

98

30

98

3

50

97

1

20

54

30

53

3

50

47

1

20

52

30

50

Lần
thử

Ảnh đầu vào

1
1

2

3

2

2

2
3

Rau má

Ráy

Diệp hạ châu

50

KẾT LUẬN

(%)

TÀI LIỆU THAM KHẢO
[1]

A. Bhardwaj, M. Kaur, and A. Kumar, “Recognition of plants by Leaf Image
using Moment Invariant and Texture Analysis”, International Journal of
Innovation and Applied Studies, Vol. 3, No. 1, pp. 237-248, 2013.
[2] C. Sari. (2013), “Shape Based Leaf Recognition”, Proceedings of Sistem
ve Kontrol Mühendisli˘gi Bưlümü.
[3] Đỗ Năng Tồn, Phạm Việt Bình, Xử lý ảnh (Nhà xuất bản Khoa học và
kỹ thuật), 2008.
[4] Đỗ Tất Lợi, Những cây thuốc và vị thuốc Việt Nam, NXB Y Học, 2004.
[5] H. Ehsanirad and S. Kumar Y, “Leaf recognition for plant classification
using GLCM and PCA methods”, Oriental Journal of Computer Science
& Technology, Vol. 3, No 1, pp. 36-38, 2010.
[6] J. Du, X. Wang and G. Zhang, “Leaf shape based plant species
recognition”, Applied Mathematics and Computation, Vol. 185, No
2007, pp. 883-893, 2007.
[7] J. Chaki and R. Parekh, “Plant Leaf Recognition using Shape based
Features and Neural Network classifiers”, International Journal of
Advanced Computer Science and Applications, Vol. 2, No. 10, 2011.

[8] K. Lee, K. Hong, “Advanced Leaf Recognition based on Leaf Contour
and Centroid for Plant Classification”, International Journal of BioScience and Bio-Technology, Vol. 5, No. 2, 2012.
[9] N.Valliammal and Dr.S.N.Geethalakshmi, “Automatic Recognition
System Using Preferential Image Segmentation For Leaf And Flower
Images”, Computer Science & Engineering: An International Journal
(CSEIJ), Vol.1, No.4, 2011.
[10] S. R Raj, V. R Patil, P.S Jaiswal, N. Subhash, Plant regeneration from
leaf explants of mature sandalwood (Santalum album L.) trees under in
vitro conditions. In Vitro Cell. Dev. Biol. Plant 49, 216–222, 2013.

45

Kết quả truy vấn là tỷ lệ phần trăn độ tương đồng của ảnh truy
vấn với cơ sở dữ liệu ảnh nguồn. Tỷ lệ phần trăm càng lớn có
nghĩa là ảnh cây dược liệu cần truy vấn càng giống với bộ ảnh
dữ liệu đầu vào.
Trong bảng 2. Minh họa độ chính xác của kết quả thử nghiệm
trên ba nhóm dữ liệu đầu vào:
-

Nhóm 1: Ảnh đầu vào là Rau má với ba lần thử nghiệm
với số lượng ảnh nguồn khác nhau. Kết quả cho thấy độ
chính xác ứng với số lượng ảnh nguồn là 20; 30; 50 sẽ cho
kết quả tương ứng là 98%; 98%; 97%. Như vậy, với kết
quả này khẳng định là độ chính xác của kết quả truy vấn là
tương đối cao.

-

Nhóm 2: Ảnh đầu vào là Ráy với ba lần thử nghiệm với số

lượng ảnh nguồn khác nhau. Kết quả cho thấy độ chính
xác ứng với số lượng ảnh nguồn là 20; 30; 50 sẽ cho kết
quả tương ứng là 54%; 53%; 47%. Như vậy, với kết quả
này khẳng định là độ chính xác của kết quả truy vấn là cao.

-

Nhóm 3: Ảnh đầu vào là Diệp Hạ Châu với ba lần thử
nghiệm với số lượng ảnh nguồn khác nhau. Kết quả cho

357
357