基于龙芯平台的图像分类系统

人工智能其他案例ID：210145

银月

3 年经验· 广西职业技术学院

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

本项目旨在在龙芯服务器上开发一个高效的图像分类系统，用于对CIFAR-10数据集进行分类。该系统涵盖了PC端和移动端，旨在扩展龙芯在人工智能领域的应用范围。
具体而言，我们采用了以下方法来实现图像分类：
（1）PC端图像分类：我们在龙芯平台上使用Django+Vue作为前后端技术，设计了一个图像分类的Web系统。这个系统允许用户通过PC端进行图像分类操作。
（2）移动端图像分类：我们开发了一个开箱即用的微信小程序，提供了简单、便捷、易用的移动端图像分类功能。用户可以随时随地使用该小程序进行图像分类。
（3）准确而快速的图像分类：为了实现准确和快速的图像分类，我们使用了深度学习框架PyTorch，并在龙芯平台上构建了三个经典的CNN网络模型：VGG19、ResNet18和MobileNetV2。这些模型作为系统底层的图像识别模型，供PC端和移动端调用进行图像分类。我们通过对这三个模型进行不断训练和优化，使它们能够对CIFAR-10数据集中的图像进行准确分类。经过优化后，VGG19模型的分类正确率达到93.92%，ResNet18模型的分类正确率达到95.45%，MobileNetV2模型的分类正确率达到92.68%。这三个高精度的模型作为系统底层图像识别模型，大大提高了用户的体验。