| 基于ZYNQ和CNN模型的服装识别系统 |
| |
| 作者姓名： | 熊伟 黄鲁 |
| |
| 作者单位： | 中国科学技术大学 信息科学技术学院,合肥,230027;中国科学技术大学 信息科学技术学院,合肥,230027 |
| |
| 基金项目： | 国家自然科学基金（61874102） |
| |
| 摘 要： | 商品检索是电商行业智能化发展的一个重要的问题.本设计实现了基于ZYNQ和CNN模型的服装识别系统.利用TensorFlow训练自定义网络,定点化处理权重参数.利用ZYNQ器件的ARM+FPGA软硬件协同的特点搭建系统,使用ARM端OpenCV进行图像预处理,FPGA端CNN IP进行实时识别.ARM与FPGA之间实现了权重可重加载结构,无需修改FPGA硬件而实现在线升级.系统采用fashion-minist数据集作为网络训练样本,根据系统资源配置CNN IP的加速引擎的数量来提高卷积运算的并行性.实验表明,本系统针对电商平台下的图片能够实时准确识别和显示,准确率达92.39%.在100 MHz工作频率下,图像处理速度每帧可达到1.361 ms,功耗仅为0.53 W.
|
| 关 键 词： | ZYNQ CNN 服装识别 软硬件协同 |
| 收稿时间： | 2019-04-19 |
| 修稿时间： | 2019-05-16 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
