1.工程介绍
基于领航者ZYNQ7020实现的手写数字识别工程。
OV7725摄像头采集数据,通过HDMI接口显示到显示屏上。
在FPGA端采用Verilog语言完成硬件接口和外围电路的设计,同时添加IP核实现与ARM端交互数据。ARM端完成卷积神经网络的书写与数字的识别。
由于在ARM端完成了更复杂的卷积和全连接运算,很适合用来学习。
2.工程概要
手写数字识别属于图像分类问题。因个体手写数字的差异,传统的图像分类方法实现快速有效识别的难度相对较大。随着人工智能和计算机硬件技术的快速发展,基于深度学习卷积网络的手写数字识别逐渐成为研究热点。深度学习中参数的存储一直是手写字体识别工程的难点和终点。而在实际应用中,绝大多数研究者都是采用大容量高规格的硬件条件去处理和计算。而没有针对其本身进行压缩化,集成化
通过无线鼠标进行轨迹书写,同时也在硬件上进行神经网络的布置,识别在屏幕上书写的数字(0-9)。通过压缩后的CNN神经网络进行数字识别,实现了硬件加速的效果,大大提高了识别速度和精度。