基于人工智能图像识别的分布式计算系统及方法技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于人工智能图像识别的分布式计算系统及方法，系统包括：预处理模块、调度模块、整合模块以及多个计算单元。其中，预处理模块接收图像并生成包括标识信息的调度请求信息，调度模块根据标识信息获取对应的单元列表，以及与标识信息对应的目标预设算法和目标预设模型，预处理模块根据目标预设算法对图像进行处理以得到多个图块，并发送至与单元列表中的多个单元信息对应的计算单元，计算单元对接收到的图块采用目标预设算法进行处理得到特征向量并发送至整合模块，整合模块将特征向量采用目标预设模型进行分类识别得到分类识别结果。通过上述设置，有效提高了图像识别的效率并能保障图像识别的准确率。

Distributed computing system and method based on artificial intelligence image recognition

The invention relates to the field of image processing technology, in particular to a distributed computing system and method based on artificial intelligence image recognition. The system comprises a preprocessing module, a scheduling module, an integration module and a plurality of computing units. The pre-processing module receives the image and generates the scheduling request information including the identification information. The scheduling module obtains the corresponding unit list according to the identification information, and the target preset algorithm and the target preset model corresponding to the identification information. The pre-processing module processes the image according to the target preset algorithm to get multiple graphs. Blocks are sent to the computing units corresponding to the information of multiple units in the list of units. The computing units process the received blocks using the target presupposition algorithm to get the feature vectors and send them to the integration module. The integration module classifies and recognizes the feature vectors using the target presupposition model to get the classification and recognition results. The above settings can effectively improve the efficiency of image recognition and guarantee the accuracy of image recognition.

【技术实现步骤摘要】
基于人工智能图像识别的分布式计算系统及方法
本专利技术涉及图像处理
，具体而言，涉及一种基于人工智能图像识别的分布式计算系统及方法。
技术介绍
基于深度学习及卷积神经网络(CNN)进行图像识别，是当今的主要技术发展方向之一。但该方法对计算能力要求极高，从而造成识别速度较慢，实时性较差。现有的提高识别速度的方式通常是通过降低被分析图像的分辨率，节省计算资源，提升实时性。专利技术人经研究发现，通过降低分辨率的方式提高识别速度，会导致计算准确率下降。因此，提供一种能够在不影响准确率的情况下提高图像的识别速度的图像处理方式是亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于人工智能图像识别的分布式计算系统及方法，以有效提高了图像识别的效率并能保障图像识别的准确率。为实现上述目的，本专利技术实施例采用如下技术方案：一种基于人工智能图像识别的分布式计算系统，所述系统包括预处理模块、调度模块、整合模块以及多个计算单元；所述预处理模块用于在接收外部设备发送的图像时，获取所述图像中的标识信息以生成包括所述标识信息的调度请求信息，并发送至所述调度模块；所述调度模块用于响应所述调度请求信息，以根据所述标识信息获取对应的单元列表，以及根据所述标识信息从多个预设算法和多个预设模型中查找与该标识信息对应的目标预设算法和目标预设模型，并将所述目标预设算法和所述单元列表反馈至所述预处理模块，将所述目标预设模型反馈至所述整合模块，以及将所述目标预设算法发送至所述单元列表中对应的计算单元，其中，所述单元列表中包括多个单元信息，且每个单元信息对应一个计算单元；所述预处理模块还用于根据所述目标预设算法中的预处理子算法对所述图像进行处理以得到多个图块，并将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元；所述多个单元信息对应的各计算单元用于对接收到的图块采用所述目标预设算法中的卷积神经网络算法进行处理以得到特征向量并发送至所述整合模块；所述整合模块用于将各计算单元发送的特征向量采用所述目标预设模型进行分类识别以得到分类识别结果并反馈至所述外部设备。可选的，在上述基于人工智能图像识别的分布式计算系统中，所述调度模块还用于向所述标识信息对应的各所述计算单元发送计算调度指令；所述计算单元还用于在空闲状态时基于所述计算调度指令向所述调度模块反馈调度应答信息；所述调度模块还用于根据反馈所述调度应答信息的计算单元的单元信息生成单元列表。可选的，在上述基于人工智能图像识别的分布式计算系统中，所述单元信息中包括对应的计算单元的处理速度；所述预处理模块还用于根据所述单元列表中的各单元信息中包括的处理速度将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元。可选的，在上述基于人工智能图像识别的分布式计算系统中，所述预处理模块还用于根据SelectiveSearch算法对所述图像进行处理以选取多个推荐候选区，并将所述多个推荐候选区的图像进行切割以得到多个图块。可选的，在上述基于人工智能图像识别的分布式计算系统中，所述预设模型为SVM分类模型，所述整合模块还用于将各计算单元发送的特征向量采用目标SVM分类模型进行分类识别以得到分类识别结果并反馈至所述外部设备。本专利技术还提供一种基于人工智能图像识别的分布式计算方法，应用于基于人工智能图像识别的分布式计算系统，所述系统包括预处理模块、调度模块、整合模块以及多个计算单元，所述方法包括；所述预处理模块在接收外部设备发送的图像时，获取所述图像中的标识信息以生成包括所述标识信息的调度请求信息，并发送至所述调度模块；所述调度模块响应所述调度请求信息，以根据所述标识信息从多个预设算法和多个预设模型中查找与该标识信息对应的目标预设算法和目标预设模型，以及根据所述标识信息获取对应的单元列表，并将所述目标预设算法和所述单元列表反馈至所述预处理模块，将所述目标预设模型反馈至所述整合模块，以及将所述目标预设算法发送至所述单元列表中对应的计算单元，其中，所述单元列表中包括多个单元信息，且每个单元信息对应一个计算单元；所述预处理模块根据所述目标预设算法中的预处理子算法对所述图像进行处理以得到多个图块，并将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元；所述多个单元信息对应的各计算单元对接收到的图块采用所述目标预设算法中的卷积神经网络算法进行处理以得到特征向量并发送至所述整合模块；所述整合模块将各计算单元发送的特征向量采用所述目标预设模型进行分类识别以得到分类识别结果并反馈至所述外部设备。可选的，在上述基于人工智能图像识别的分布式计算方法中，所述调度模块响应所述调度请求信息，以根据所述标识信息获取对应的单元列表的步骤包括：所述调度模块向所述标识信息对应的各所述计算单元发送计算调度指令；所述计算单元在空闲状态时基于所述计算调度指令向所述调度模块反馈调度应答信息；所述调度模块根据反馈所述调度应答信息的计算单元的单元信息生成单元列表。可选的，在上述基于人工智能图像识别的分布式计算方法中，所述单元信息中包括对应的计算单元的处理速度，所述预处理模块将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元的步骤包括：所述预处理模块根据所述单元列表中的各单元信息中包括的处理速度将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元。可选的，在上述基于人工智能图像识别的分布式计算方法中，所述预处理模块根据所述目标预设算法中的预处理子算法对所述图像进行处理以得到多个图块的步骤包括：所述预处理模块根据SelectiveSearch算法对所述图像进行处理以选取多个推荐候选区，并将所述多个推荐候选区的图像进行切割以得到多个图块。可选的，在上述基于人工智能图像识别的分布式计算方法中，所述预设模型为SVM分类模型，所述整合模块将各计算单元发送的特征向量采用所述目标预设模型进行分类识别以得到分类识别结果并反馈至所述外部设备的步骤包括：所述整合模块将各计算单元发送的特征向量采用目标SVM分类模型进行分类识别以得到分类识别结果并反馈至所述外部设备。本专利技术提供的一种基于人工智能图像识别的分布式计算系统及方法，系统包括预处理模块、调度模块、整合模块以及多个计算单元。预处理模块接收图像并生成包括标识信息的调度请求信息，调度模块根据标识信息获取对应的单元列表，以及与标识信息对应的目标预设算法和目标预设模型，预处理模块根据目标预设算法对图像进行处理以得到多个图块，并发送至与单元列表中的多个单元信息对应的计算单元，计算单元对接收到的图块采用目标预设算法进行处理得到特征向量并发送至整合模块，整合模块将特征向量采用目标预设模型进行分类识别以得到分类识别结果。通过上述设置，以实现采用多个计算单元对图像中的各图块进行并行处理，进而有效提高了图像识别的效率并能保障图像识别的准确率。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明图1为本专利技术实施例提供的一种基于人工智能图像识别的分布式计算系统的应用框图。图2为本专利技术实施例提供的一种基于人工智能图像识别的分布式计算系统的连接框图。图3为本专利技术实施例提供的一种基于人工智能图像识别的分布式计算方法的流程示意图。图4为本文档来自技高网...

【技术保护点】
1.一种基于人工智能图像识别的分布式计算系统，其特征在于，所述系统包括预处理模块、调度模块、整合模块以及多个计算单元；所述预处理模块用于在接收外部设备发送的图像时，获取所述图像中的标识信息以生成包括所述标识信息的调度请求信息，并发送至所述调度模块；所述调度模块用于响应所述调度请求信息，以根据所述标识信息获取对应的单元列表，以及根据所述标识信息从多个预设算法和多个预设模型中查找与该标识信息对应的目标预设算法和目标预设模型，并将所述目标预设算法和所述单元列表反馈至所述预处理模块，将所述目标预设模型反馈至所述整合模块，以及将所述目标预设算法发送至所述单元列表中对应的计算单元，其中，所述单元列表中包括多个单元信息，且每个单元信息对应一个计算单元；所述预处理模块还用于根据所述目标预设算法中的预处理子算法对所述图像进行处理以得到多个图块，并将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元；所述多个单元信息对应的各计算单元用于对接收到的图块采用所述目标预设算法中的卷积神经网络算法进行处理以得到特征向量并发送至所述整合模块；所述整合模块用于将各计算单元发送的特征向量采用所述目标预设模型进行分类识别以得到分类识别结果并反馈至所述外部设备。...

【技术特征摘要】
1.一种基于人工智能图像识别的分布式计算系统，其特征在于，所述系统包括预处理模块、调度模块、整合模块以及多个计算单元；所述预处理模块用于在接收外部设备发送的图像时，获取所述图像中的标识信息以生成包括所述标识信息的调度请求信息，并发送至所述调度模块；所述调度模块用于响应所述调度请求信息，以根据所述标识信息获取对应的单元列表，以及根据所述标识信息从多个预设算法和多个预设模型中查找与该标识信息对应的目标预设算法和目标预设模型，并将所述目标预设算法和所述单元列表反馈至所述预处理模块，将所述目标预设模型反馈至所述整合模块，以及将所述目标预设算法发送至所述单元列表中对应的计算单元，其中，所述单元列表中包括多个单元信息，且每个单元信息对应一个计算单元；所述预处理模块还用于根据所述目标预设算法中的预处理子算法对所述图像进行处理以得到多个图块，并将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元；所述多个单元信息对应的各计算单元用于对接收到的图块采用所述目标预设算法中的卷积神经网络算法进行处理以得到特征向量并发送至所述整合模块；所述整合模块用于将各计算单元发送的特征向量采用所述目标预设模型进行分类识别以得到分类识别结果并反馈至所述外部设备。2.根据权利要求1所述的基于人工智能图像识别的分布式计算系统，其特征在于，所述调度模块还用于向所述标识信息对应的各所述计算单元发送计算调度指令；所述计算单元还用于在空闲状态时基于所述计算调度指令向所述调度模块反馈调度应答信息；所述调度模块还用于根据反馈所述调度应答信息的计算单元的单元信息生成单元列表。3.根据权利要求1所述的基于人工智能图像识别的分布式计算系统，其特征在于，所述单元信息中包括对应的计算单元的处理速度；所述预处理模块还用于根据所述单元列表中的各单元信息中包括的处理速度将所述多个图块发送至与所述单元列表中的多个单元信息对应的计算单元。4.根据权利要求1所述的基于人工智能图像识别的分布式计算系统，其特征在于，所述预处理模块还用于根据SelectiveSearch算法对所述图像进行处理以选取多个推荐候选区，并将所述多个推荐候选区的图像进行切割以得到多个图块。5.根据权利要求1所述的基于人工智能图像识别的分布式计算系统，其特征在于，所述预设模型为SVM分类模型，所述整合模块还用于将各计算单元发送的特征向量采用目标SVM分类模型进行分类识别以得到分类识别结果并反馈至所述外部设备。6.一种基于人工智能图像识别的分布式计算方法，应用于基于人工智能图像识别的分布式计算系统，其特征在于，所述系统包括预处理模块、调度模块、整合模块以及多个计算单元，所述方法包括；所述预处理模块在接...

【专利技术属性】
技术研发人员：李晓莅，阳剑峰，吕先锋，林赞，刘文俊，
申请(专利权)人：广州偕作信息科技有限公司，
类型：发明
国别省市：广东,44