基于Hadoop平台下SVM图像识别技术.docVIP

基于Hadoop平台下SVM图像识别技术 　　摘 要： 针对海量图像的识别技术进行研究，使用SVM算法作为图像识别模型，考虑到随着图像训练样本数据量逐步增大，训练样本呈现指数上升这一问题，在此对基于Hadoop云平台的并行运算SVM方法进行研究，缩短训练时间，加快图像识别效率。使用Corel图像库中图像进行实验研究，结果表明，常规单机SVM图像识别系统以及基于Hadoop平台SVM的图像识别系统的识别准确率相差不大。当Hadoop平台中拥有超过2个节点时，加速比明显上升，训练时间下降，Hadoop平台中使用SVM进行图像识别的效率优势体现出来。 　　关键词： Hadoop平台； 图像识别； SVM； 云计算； 加速比 　　中图分类号： TN915.43?34； TP391.4 文献标识码： A 文章编号： 1004?373X（2016）16?0098?04 　　Abstract： The recognition technology of massive images is researched， in which the SVM algorithm is taken as the image recognition model. In consideration of the problem that the training samples increase exponentially with the gradual increase of data size of image training samples， the parallel computation SVM method based on Hadoop platform is studied to shorten the training time and quicken the image recognition efficiency. In an experiment， the SVM image recognition technology were studied by means of the images in Corel image library. The results show that the recognition accuracy rate of the image recognition system using SVM algorithm based on Hadoop platform has no difference with that of the conventional stand?alone SVM image recognition system， but when more than 2 nodes exist in Hadoop platform， the speedup ratio is increased significantly， and the training time is decreased， so the efficiency advantage of using SVM in Hadoop platform for the image recognition is reflected. 　　Keywords： Hadoop platform； image recognition； SVM； cloud computing； speedup ratio 　　0 引 言 　　现阶段个人电脑和移动互联网的广泛使用，各种图片、声音、视频等数字信息在网络上广泛交互，数据量已经不可估量。作为其中最为生动直接的图片图像信息正因为互联网的使用而大放光彩，越来越成为人们日常生活中交流与学习的重要组成部分。海量的图像数据在互联网上广泛传播，每天都有数以亿计的图片在网络上上传或下载。为了便于人们在海量图像中检索到自己需要的图像，专家对图像检索方法进行了广泛的研究和学习。其中，支持向量机（Support Vector Machine，SVM）模型被广泛应用于图像检索系统中[1?3]。 　　随着大量数据的产生，云计算随之出现。云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。简单来说，云计算就是将所有资源进过计算、转换和存储，形成一个巨型的云端网络数据存储平台，利用此平台可以完成各种存储和运算任务，非常适合于检索系统的应用[4]。因此本文将单机SVM算法和云平台结合，以探讨提高海量图像识别检索效率的方法。 　　1 云计算 　　在云计算逐渐得到广泛应用的今天，云计算的方法种类也在增多，其中apache的开源分布式平台Hadoop以其价格低