基于深度学习(DL,Deep Learning)及卷积神经网络(Convolutional Neural Networks,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。
Meta工程师纪然经研究发现，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，他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，研发出具有自主知识产权的“基于人工智能的分布式图像识别系统V1.0”（AI Image Recognition System based on Distributed Computing V1.0）。该系统的研发始于2019年年初，同年8月份完成发布，迅速推向市场，被厂商规模商用，并于2022年11月获国家版权局批准颁发计算机软件著作权登记证，登记号：2022SR1467223。
“基于人工智能的分布式图像识别系统V1.0”发明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，纪然采用如下技术方案：
“基于人工智能的分布式图像识别系统V1.0”包括预处理模块、调度模块、整合模块以及多个计算单元；该系统预处理模块用于在接收外部设备发送的图像时，获取图像中的标识信息以生成包括标识信息的调度请求信息，并发送至调度模块；该系统调度模块用于响应调度请求信息，以根据标识信息获取对应的单元列表，以及根据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，并将目标预设算法和单元列表反馈至预处理模块，将目标预设模型反馈至整合模块，以及将目标预设算法发送至单元列表中对应的计算单元，其中，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。
“基于人工智能的分布式图像识别系统V1.0”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。
关于发明人
纪然，优秀的人工智能技术开发领域人才，多年来Google公司的工作中丰富的研发amp积累了D经验，开发Chrome OS的操作系统，为Google搜索引擎网络爬虫提供优化策略，纪然在机器学习技术、深度学习和分布式计算利用纪然自动机器学习、神经网络解释方法、异构融合大脑计算等领域Progressive Web Apps在d和Chrome浏览器核心优化中应用创新成果，取得了惊人的成果，发挥了重要作用。从2020年1月开始，纪然在Meta工作，擅长Facebook Stories模块开发、自然语言处理和利用机器视觉对照片视频进行智能分类和推荐回复，对深度学习技术的发展现状、具体应用和发展趋势等有独到见解。
