MPI集群环境下图像语义分类算法的并行化设计

为缩小图像的底层特征相似和高层语义相关之间的差距,常利用良好拟合能力的BP神经网络进行图像的多种语义分类.针对单BP神经网络在处理大规模图像数据和复杂分类模式中存在的学习时间长和分类效率低的问题,提出并建立了图像语义分类的多BP神经网络并行集成模型.在MPI集群环境下采用主从对等混合并行算法、对图像样本数据按类预分组等方法实现训练与分类,有效地完成BP神经网络图像多语义分类.实验结果取得了较高的查全率和准确率,趋近线性的加速比验证了该并行算法的正确性和高效性.