论文部分内容阅读
传统图像美学质量评价方法通过提取低维特征进行训练，这需要丰富的先验知识和工程经验，为了解决这一问题，一种特征学习的多层卷积神经网络方法应运而生。常用的串行化的卷积神经网络训练方法在训练数据库很大的模型时需要的时间过长，甚至会出现内存不足导致无法训练的情况。为此本文提出一种Map-Reduce并行化实现多层卷积神经网络，并将多层神经网络应用到图像美学质量评价。实验证明，该方法相比已有的方法拥有更快的收敛速度和训练效率。