基于并行化深度學(xué)習(xí)的大規(guī)模圖像檢索方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，在社交網(wǎng)絡(luò)、電子商務(wù)、物聯(lián)網(wǎng)等渠道產(chǎn)生了海量圖像，如何快速準(zhǔn)確地檢索圖片成為圖像檢索系統(tǒng)面臨的巨大挑戰(zhàn)。圖像檢索通常使用提取圖片特征的方法進行相似性分析。為了提升檢索準(zhǔn)確性，通過引入深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)對圖片特征進行提取，比較圖片特征向量間的歐氏距離進行相似度度量。該方法在面對海量數(shù)據(jù)量時，檢索時間會明顯增長。為了減少相似度分析所需要的時間，目前采用的方法是使用基于哈希函數(shù)生成的二進制哈希碼來代替圖像特征，在漢

2、明距離空間進行近似最近鄰搜索。盡管如此，基于哈希學(xué)習(xí)和基于深度學(xué)習(xí)的圖像搜索仍然存在問題。
　　哈希函數(shù)對圖片特征的學(xué)習(xí)能力有限，無論是隨機哈希函數(shù)還是數(shù)據(jù)相關(guān)哈希函數(shù)都只能學(xué)習(xí)到圖像最表層的視覺特征，而無法學(xué)習(xí)到圖像的高維語義特征。本文在分析影響圖像檢索速度和準(zhǔn)確性因素的基礎(chǔ)上，提出了基于深度哈希的大規(guī)模圖像檢索方法。首先在目標(biāo)數(shù)據(jù)集上對深度學(xué)習(xí)模型進行微調(diào)，生成特征向量并計算歐氏距離得出相似度，驗證深度學(xué)習(xí)方法的準(zhǔn)確性。隨后構(gòu)

3、建基于Inception結(jié)構(gòu)的深度哈希網(wǎng)絡(luò)，生成二進制哈希特征，計算漢明距離進行相似度分析。最后，對比以上兩種方法在檢索方面的準(zhǔn)確性和速度上的差異驗證深度哈希方法的性能。
　　針對單機訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型迭代時間過長的問題，本文采用并行化深度學(xué)習(xí)的方法實現(xiàn)了并行化深度學(xué)習(xí)。首先，分析了模型并行化和數(shù)據(jù)并行化各自的特點。然后，分別基于OpenMPI和Spark并行計算平臺設(shè)計了兩種并行化深度學(xué)習(xí)模型訓(xùn)練方法。最后，最后通過實驗驗證兩