《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》
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。
图表编号 | XD0057385100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.06 |
作者 | 陈旭东、周昱琪、李梦杰、陈章进 |
绘制单位 | 上海大学微电子研究与开发中心、上海大学纳米科学与技术研究中心、上海大学微电子研究与开发中心、上海大学微电子研究与开发中心、上海大学计算中心 |
更多格式 | 高清、无水印(增值服务) |