10.11772/j.issn.1001-9081.2014.06.1600
基于MapReduce的图像分类方法
针对现有的方法不能有效用于图像大数据分类的问题,提出了一种基于MapReduce编程模型的图像分类方法,在分类的全过程利用MapReduce机制加速分类过程.首先,利用MapReduce机制实现对图像尺度不变特征变换(SIFT)特征的分布式提取,并通过稀疏编码将其转换为稀疏向量,生成图像的稀疏特征;然后,利用MapReduce机制实现对随机森林的分布式训练;在此基础上,利用MapReduce机制对图像集实现基于随机森林方法的并行分类.通过在Hadoop平台的实验结果表明,该方法能够充分利用MapReduce框架的分布式特性,对大规模图像数据实现快速准确分类.
图像分类、Hadoop、MapReduce、随机森林、稀疏编码、尺度不变特征变换
34
TP391.4;TP317.4(计算技术、计算机技术)
河北省高层次人才资助项目B2013003019
2014-07-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
1600-1603