文件名称：基于ZYNQ和CNN模型的服装识别系统
文件大小：1.15MB
文件格式：PDF
更新时间：2024-05-26 06:13:09
ZYNQ CNN 服装识别 软硬件协同
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.