《表2 CNN训练效果：基于SoC FPGA和CNN模型的动作识别系统设计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于SoC FPGA和CNN模型的动作识别系统设计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了训练本文的CNN模型，对于“无人”、“挥手”、“下蹲”、“站立”和“行走”这5种情况分别采集600个训练样本，共计3 000个样本。采用深度学习框架TensorFlow对CNN模型参数进行训练[22]。整个训练过程在Nvidia GeForce 940M显卡进行，大约消耗3小时，识别精度可以在训练集达到90%，在测试集达到88%。对于不同的动作，训练结果如表2所示。本文采用的动作识别方法能够较好识别“挥手”、“站立”和“行走”这三种姿势；而对于“无人”、“下蹲”这两个情况检出率较低，但是误报率也相对较低。