分布式部署的大类别图像并行训练方法
在大类别图像识别过程中,训练非常耗时.因此本文提出一种基于分布式机群的大类别图像并行训练方法.该方法分别并行化图像数据的SIFT特征提取过程、Fisher特征提取过程,以及对特征数据分段加权后的线性SVM训练过程,并且通过分布式架构在机群上实现上述并行算法.在大类别图像库上的实验结果表明,本文所提方法在不降低系统的识别性能的前提下,能够有效地降低机器学习的计算耗时.
大类别图像 图像分类 并行训练 分布式计算 支持矢量机
郭承刚 郭礼华
华南理工大学电子与信息学院,广州 510640
国内会议
珠海
中文
93-96
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）