[发明专利]一种基于并行化Softmax分类的图像处理方法和系统

说明书

本发明涉及一种基于并行化Softmax分类的图像处理方法和系统，该方法包括：步骤1，对训练图像进行预处理，获得训练数据集；步骤2，利用基于MapReduce的并行化Softmax分类方法运行所述训练数据集，获得多分类器；步骤3，将待分类图像进行预处理后，输入所述多分类器，获得图像分类结果。本发明提供的技术方案可有效提升对大数据图像进行分类的处理效率与处理质量。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于并行化Softmax分类的图像处理方法和系统。

背景技术

随着社会信息化程度的不断提升，大数据的应用也逐步发展起来。图像数据作为大数据的重要组成部分，在对其进行应用时，往往需要先进行分类，以获得合适的应用对象。但是，由于图像数据本身携带的信息量通常较大，在对图像进行分类处理的过程中，将占用大量的运算资源，不过目前对图像进行分类处理的效率依然较低，很难与大数据应用所需要的速率相匹配。

发明内容

针对现有技术的不足，本发明提供一种基于并行化Softmax分类的图像处理方法和系统。

一方面，本发明提供一种基于并行化Softmax分类的图像处理方法，该方法包括：

步骤1，对训练图像进行预处理，获得训练数据集；

步骤2，利用基于MapReduce的并行化Softmax分类方法运行所述训练数据集，获得多分类器；

步骤3，将待分类图像进行预处理后，输入所述多分类器，获得图像分类结果。

另一方面，本发明还提供一种基于并行化Softmax分类的图像处理系统，该系统包括：

第一处理模块，用于对训练图像进行预处理，获得训练数据集；

第二处理模块，用于利用基于MapReduce的并行化Softmax分类方法运行训练数据集，获得多分类器；

第三处理模块，用于将待分类图像进行预处理后，输入所述多分类器，获得图像分类结果。

本发明提供的基于并行化Softmax分类的图像处理方法和系统的有益效果是，Softmax分类器可以解决多分类的问题，在对大数据图像进行分类处理时，可以有效对其进行不同类别的划分，为后续应用提供更全面的信息。MapReduce用于大规模数据集的并行运算，采用映射和归约的思想对数据集进行处理。基于MapReduce框架对训练数据集进行并行化处理的Softmax分类方法可以有效降低数据训练时间，从而快速获得多分类器，提升对大数据图像进行分类的处理效率与处理质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为Softmax分类器算法的流程示意图；

图2为本发明实施例的基于并行化Softmax分类的图像处理方法的流程示意图；

图3为本发明实施例的MapReduce框架的示意图；

图4为本发明实施例的并行化Softmax分类的图像处理系统的结构框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。