[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

说明书

一种基于卷积神经网络的分布式手绘画的识别系统及其方法，系统采用分布式架构，基于卷积神经网络，通过深度学习，实现手绘画的智能识别；图像特征提取过程实现了可视化，由于卷积神经网络采用端对端的数据处理方式，能够自动提取输入图像的特征，其内部网络学习到图像的特征提取就像一个黑盒子，所以通过把卷积神经网络学习到特征提取信息可视化出来，根据可视化结果进行相应分析及规律总结，对于调试卷积神经网络结构，优化网络参数是非常有帮助。系统采用独立的手绘画数据对采集输入和独立的识别结果输出，构建和优化卷积神经网络，进行训练、估算和预测，从而有效避免了现有技术中人工提取特征困难、手绘画的识别率较低、通用性较差的缺陷。

技术领域

本发明涉及图像识别和数据处理技术领域，具体涉及一种基于卷积神经网络的分布式手绘画的识别系统及其方法，尤其涉及基于深度学习，采用分布式架构，完成基于卷积神经网络的智能分布式手绘画识别系统及其方法的实现方案，可应用与金融、财务、电子政务、电子商务、物流、建筑、橱窗设计、家居软装设计、空间花艺设计、服饰陈列设计、工业设计美术、园林、环艺、摄影、视觉传达这样的领域。

背景技术

手绘画即是近年来居家装饰的潮流，它不是隔离墙上任人涂抹的图案，是修饰新房，翻新，会所，展厅，酒吧等等许多地方的理想选择。手绘画与民众的现代生活密不可分，其形式分门别类，广泛应用于建筑、金融、财政、橱窗设计、家居软装设计、空间花艺设计、服饰陈列设计、工业设计美术、园林、环艺、摄影、视觉传达等领域，是人类最直观且最原始的沟通工具。

近年来,随着智能可触屏设备的普及,手绘画可方便地从智能手机、平板电脑等移动设备上获取,对手绘图的识别相关研究已引起越来越多国内外专家学者的注意。目前己有的手绘图识别方法通常依赖于手工特征提取，但是由于手绘画中线条的多变性、个人的主观因素的不确定性等原因,特别是在传统的计算机手绘画识别中，是将手绘画以图像的方式录入计算机，建立数据库和识别系统，以此识别手绘画，这样的识别方式要根据手绘画的几何特征进行识别，由于手绘画千差万别，所以手动提取特征比较困难。

总而言之，传统的方式使得人工提取特征变得十分困难,导致了现有的手绘画的识别率较低,且通用性较差。

发明内容

为解决上述问题，本发明提供了一种基于卷积神经网络的分布式手绘画的识别系统及其方法，有效避免了现有技术中人工提取特征困难、手绘画的识别率较低、通用性较差的缺陷。

为了克服现有技术中的不足，本发明提供了一种基于卷积神经网络的分布式手绘画的识别系统及其方法的解决方案，具体如下：

一种基于卷积神经网络的分布式手绘画的识别系统，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。

进一步的，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。

进一步的，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。其中EIT是指EITS收集250类手绘画的方式；所述各个维度的数据的数据结构为包括num、channel、width以及height,其中num代表图像数量，channel代表通道数量，width代表图像宽度，height代表图像高度。