[发明专利]基于卷积神经网络的分布式手绘画的识别系统及其方法

权利要求书

1.一种基于卷积神经网络的分布式手绘画的识别系统，其特征在于，采用分布式架构，包括数据采集器、管理服务器、工作服务器集群、存储服务器、通讯服务器和输出器；

所述数据采集器、管理服务器、存储服务器、通讯服务器和输出器均与工作服务器集群相通信连接。

2.根据权利要求1所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述数据采集器用来实现对被识别物体的图像收集以及对该图像进行信息处理。

3.根据权利要求2所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述用来实现对被识别物体的图像收集的方式为通过EIT方式对被识别物体的图像进行采集；

所述对该图像进行信息处理的方式为对通过EIT方式采集的图像数据集进行预处理，所述预处理就是对该图像进行水平翻转和旋转扩展后，再采用去均值和归一化处理，及先就和求中心值，计算出均值，而后用采集的图像数据减去均值，把各个维度的数据都中性化到0，接着对中性化后的数据进行归一化处理。

4.根据权利要求3所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述管理服务器用来完成对智能识别网络集群的管理、梯度评均、参数更新以及配置管理；

用来对工作服务器的特征提取参数、分类参数进行管理，同工作服务器定时相互发送心跳包进行心跳管理，实现工作服务器的注册、自动接入管理，实现管理服务器和工作服务器之间基于通讯服务器提供的RPC和MQ进行信息交换。

5.根据权利要求4所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述工作服务器集群包括若干工作服务器，所述工作服务器完成特征提取和分类，进行训练和预测；

所述工作服务器分为卷积层和全链接层；

所述卷积层包括特征提取器，所述特征提取器通过基于卷积的神经网络模型完成对作为识别对象的被识别物体的图像的特征提取，所述特征提取器由卷积器、激励器和池化器组成；

所述卷积器包括用来提取输入数据的特征，所述卷积器的数量为两个以上，每一个卷积器提取输入数据的特征和其他的卷积器有所差异；所述卷积器对不同的数据窗口数据的图像和带有一组固定的权重的滤波矩阵做内积运算；

所述激励器采用relu函数作为卷积神经网络的激活函数，采用对每个卷积结果都进行relu(x)＝max(0,x)运算；

所述池化器采用最大池化的方式实现在保留有用信息的基础上减少数据处理量，所述最大池化的方式即通过最大值过滤数据的方式，具体为采用最大池化MaxPooIing的方式把输入图像以像素为基本单位分割为互相不重叠的矩形区域，然后取每一个矩形区域所有像素值最大的像素值作为输出值，即对运算结果选取最大值并把该最大值作为输出的值；

每个神经元的输入与前一层的局部相连,并提取该局部的特征；

所述全链接层包括分类器，所述全链接层用来将所有特征图展开得到一维向量，然后把一维向量输入到分类器进行分类，其具体的方式为采用dropout的方式进行优化训练和分类；

所述分类器采用Fisher分类器，而特征提取的结果作为Fisher向量的表示，再将这种表示作为判别式分类器SVM的输入,得到图像的分类结果；另外所述全链接层还能执行卷积神经网络中的前向传播过程和反向传播过程，并对全链接层网络参数进行管理，以key-value的形式将数据集和训练集存储在存储服务器的内存数据库，而将特征提取和分类过程中的日志信息存储在存储服务器提供的文件系统中。

6.根据权利要求5所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述输出器用来进行识别结果的可视化输出，所述输出器包括带有Fisher分类器的全链接层。

7.根据权利要求6所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述通讯服务器提供可靠的通讯服务。

8.根据权利要求7所述的基于卷积神经网络的分布式手绘画的识别系统，其特征在于，所述存储服务器提供内存数据库和文件系统进行信息存储服务。