如需要完整文档点击下方 "点击下载文档" 按钮

手写体数字的识别作为图像识别领域的一项重要分支,广泛应用于银行汇款单号、人口普查、财务报表等大规模数据统计领域中。 而传统的手写体数字识别系统一般采用 CPU 或 GPU 的平台,有着功耗和成本较高、难以部署在移动端等弊端。 针对上述问题,设计了一种以卷积神经网络为基础,基于 PYNQ 的手写体数字识别系统。 通过软硬件协同设计的方式,合理划分软硬件任务来降低系统功耗。 首先在电脑端搭建卷积神经网络模型,通过训练验证,以获取权重和偏置等技术参数,并转换为相应的二进制格式文件。 之后在 VIVADO HLS 工具中设计完成了卷积层和最大池化层的 IP 核模块设计,以及系统的连线。 最后设计实现对应的上位机程序进行调控。 在 MNIST 数据集的测试下,该系统的识别准确率达到了 99. 07% ,功耗仅为 1. 54 W,相比于其他类似工作具有明显优势。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 PYNQ 的手写体数字识别系统设计实现》

将 完整文档 下载到本地，方便收藏和查阅

文件号：060474

点击下载文档