X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们 | 帮助中心
欢迎来到国家技术转移西南中心---区域技术转移公共服务平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[00294285]一种并行分布式的大规模图像识别方法

交易价格: 面议

所属行业: 分析仪器

类型: 发明专利

技术成熟度: 正在研发

专利所属地:中国

专利号:CN201310332314.7

交易方式: 技术转让 技术转让 技术入股

联系人: 华南理工大学

进入空间

所在地:广东广州市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

摘要:本发明公开了一种并行分布式的大规模图像识别方法,包括以下步骤:1)第一调度节点将大类别图像数据库部署在SIFT计算节点提取SIFT特征矢量;2)第二调度节点将SIFT特征矢量构建高斯混合模型,并发回每个Fisher计算节点提取Fisher特征矢量;3)第三调度节点收集所有Fisher计算节点的特征矢量,数据进行分段和发往给每个Training计算节点;4)每一Training计算节点对每一类别同步训练一个一对多的SVM子分类器,并由第三调度节点根据权重整合所有子分类器模板参数生成最终分类器模板;5)分类测试利用SVM分类器得到类别输出。此方法具有大幅提高了海量图像数据的处理速度等优点。
摘要:本发明公开了一种并行分布式的大规模图像识别方法,包括以下步骤:1)第一调度节点将大类别图像数据库部署在SIFT计算节点提取SIFT特征矢量;2)第二调度节点将SIFT特征矢量构建高斯混合模型,并发回每个Fisher计算节点提取Fisher特征矢量;3)第三调度节点收集所有Fisher计算节点的特征矢量,数据进行分段和发往给每个Training计算节点;4)每一Training计算节点对每一类别同步训练一个一对多的SVM子分类器,并由第三调度节点根据权重整合所有子分类器模板参数生成最终分类器模板;5)分类测试利用SVM分类器得到类别输出。此方法具有大幅提高了海量图像数据的处理速度等优点。

推荐服务:

Copyright © 2016    国家技术转移西南中心-区域技术转移公共服务平台     All Rights Reserved     蜀ICP备12030382号-1

主办单位:四川省科技厅、四川省科学技术信息研究所、四川省技术转移中心科易网