论文部分内容阅读
针对台标的视觉特征，提出一种基于递进卷积神经网络的台标识别算法。该网络不仅有对图像特征进行隐性提取的卷积层和采样层，还包括识别常规台标的泛化模块和识别偏差台标的特异模块。针对串行卷积神经网络训练耗时长的缺点，提出基于Spark的并行递进卷积神经网络算法，采用数据共享及批处理方式对算法模型进行并行化处理。实验证明，递进卷积神经网络算法对台标进行识别能达到98％的正确率，多节点并行化卷积神经网络相比于单节点模型能有效缩短80％以上训练所需的时间。