控制与决策

作者：赵静,王弦,王奔,蒋国平,谢非,徐丰羽

单位：南京邮电大学自动化学院、人工智能学院,南京210023;江苏省物联网智能机器人工程实验室, 南京210023,,南京邮电大学自动化学院、人工智能学院,南京210023,,南京邮电大学自动化学院、人工智能学院,南京210023,,南京邮电大学自动化学院、人工智能学院,南京210023;江苏省物联网智能机器人工程实验室, 南京210023,,南京师范大学电气与自动化工程学院,南京210023,,南京邮电大学自动化学院、人工智能学院,南京210023;江苏省物联网智能机器人工程实验室, 南京210023,

关键词：龙芯派;图像识别;深度学习;AlexNet网络模型;自动分类

基金：国家自然科学基金项目(61601228)；江苏省自然科学基金项目(BK20161021)；江苏省六大人才高峰项目(JY-081).

随着智能化时代的到来,深度学习在图像处理领域的应用越来越广泛,为复杂的图像处理带来了新的解决方法.但是,深度学习在带来高准确推理结果的同时,往往会造成运算量、推理时间以及处理器内存的增加,受限于数据的缺失以及对高性能处理器的依赖.目前市场上有关深度学习技术的相关产品还未被广泛的应用.基于上述问题,提出一种具有广泛应用前景的基于深度学习的多类别目标识别方案,并在国产龙芯派平台下进行测试验证.首先,获取待处理图像数据集,进而在计算机平台下搭建并训练神经网络模型,利用得到的训练参数在龙芯派平台下建立优化后的神经网络结构,并对目标图像进行处理及识别,最后在用户界面显示目标图像所属类别.本系统利用深度学习能够自动从大数据中学习特征的优势,在龙芯派平台下实现上千类生活中常见对象的自动分类,识别准确率高达$96%$以上,识别速度在3s以内,且该方案具有优秀的可扩展性.

来源：2020年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2020年第8期