Map-Reduce并行化实现卷积神经网络的图像美学质量评价方法
传统图像美学质量评价方法通过提取低维特征进行训练,这需要丰富的先验知识和工程经验,为了解决这一问题,一种特征学习的多层卷积神经网络方法应运而生.常用的串行化的卷积神经网络训练方法在训练数据库很大的模型时需要的时间过长,甚至会出现内存不足导致无法训练的情况.为此本文提出一种Map-Reduce并行化实现多层卷积神经网络,并将多层神经网络应用到图像美学质量评价.实验证明,该方法相比已有的方法拥有更快的收敛速度和训练效率.
图像美学评价 卷积神经网络 并行化处理 收敛速度 训练效率
李福娣 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
12-16
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）