La aplicación del algoritmo de densenet mejorado en el reconocimiento de imágenes preciso

Resumen La tecnología de reconocimiento de imágenes pertenece a un importante campo de investigación de la inteligencia artificial. Con el fin de mejorar el valor de aplicación de la tecnología de reconocimiento de imágenes en el campo de la visión por computadora y mejorar el dilema técnico del reconocimiento de imágenes, la investigación mejora el método de reutilización de características de la red convolucional densa. Basado en la cuantificación de gradientes, se han mejorado los algoritmos paralelos tradicionales. Esta mejora permite actualizaciones de parámetros independientes capa por capa, reduciendo el tiempo de comunicación y el volumen de datos. La introducción del error de cuantificación reduce el impacto de la pérdida de gradientes en la convergencia del modelo. Los resultados de las pruebas muestran que la estrategia de mejora diseñada por la investigación mejora la eficiencia de los parámetros del modelo mientras asegura el efecto de reconocimiento. Reducir la tasa de aprendizaje es beneficioso para refinar la granularidad de actualización de los parámetros del modelo, y profundizar el número de capas de red puede mejorar efectivamente la precisión final de reconocimiento y el efecto de convergencia del modelo. Es mejor que los modelos existentes de reconocimiento de imágenes de última generación, como el grupo de geometría visual y EfficientNet. El algoritmo de aceleración paralela, que se mejora mediante la cuantificación de gradientes, se desempeña mejor que el algoritmo de paralelismo de datos sincrónico tradicional, y la mejora de la tasa de aceleración es evidente. En comparación con el algoritmo de paralelismo de datos sincrónico tradicional y el algoritmo de paralelismo sincrónico obsoleto, el algoritmo de aceleración paralela optimizado del estudio asegura la velocidad de entrenamiento de datos de imagen y resuelve el problema del cuello de botella de los datos de comunicación. El modelo diseñado por la investigación mejora la precisión y la velocidad de entrenamiento de la tecnología de reconocimiento de imágenes y expande el uso de la tecnología de reconocimiento de imágenes en el campo de la visión por computadora. Por favor, confirme que los detalles de afiliación del 1 son correctos. La información detallada relevante en la referencia 1 ha sido confirmada como correcta.