发明名称 |
基于多子树的分布式图像训练及检索方法 |
摘要 |
基于多子树的分布式图像训练方法,包括如下步骤:步骤1.计算节点选取初始聚类中心点并聚类,将聚类后新的聚类中心点分发至各计算节点;步骤2.每一计算节点以某个聚类中心点作为任务子树生长点,训练任务子树;基于多子树的分布式图像训练及检索方法,还包括步骤3.对待检索图像提取特征点;将特征点按照聚类中心点归属发送至对应的计算节点;步骤4.计算节点利用任务子树进行处理并将结果发送至管理节点,管理节点汇总各计算节点计算结果得到图像检索结果。本发明将一棵词汇树的训练任务切割成多棵子树的训练任务,让多个计算节点独立并行处理,可以容纳更大的图像训练集,扩展性强,同时减少了图像训练及检索过程的时间开销。 |
申请公布号 |
CN103336970B |
申请公布日期 |
2016.12.28 |
申请号 |
CN201310242854.6 |
申请日期 |
2013.06.19 |
申请人 |
电子科技大学 |
发明人 |
段翰聪;闵革勇;李林;聂晓文;张建;邹浩;彭玉炳 |
分类号 |
G06K9/62(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
成都行之专利代理事务所(普通合伙) 51220 |
代理人 |
谭新民 |
主权项 |
基于多子树的分布式图像训练方法,其特征在于,包括如下步骤:步骤1.计算节点选取k个初始聚类中心点,执行第一层聚类,得到k个新的聚类中心点,并将聚类中心点信息首先发送至管理节点,管理节点将聚类中心点信息分发至多个计算节点;步骤2.每一计算节点以每个聚类中心点作为任务子树生长点,各计算节点独立训练其任务子树;所述步骤2中训练任务子树的方法为:计算节点将训练集中全部图像提取出特征点;对全部训练图像的特征点按照步骤1中所述第一层聚类得到的聚类中心点进行分类,然后对本次聚类任务的分类按照深度优先原则训练子树,直至任务子树达到预设高度。 |
地址 |
610000 四川省成都市高新区(西区)西源大道2006号 |