基于Caffe深度学习的图像识别ppt课件.pptx

题题 目：基于目：基于GPU的的智能智能图像识图像识别别操作流程及效果火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去研究背景火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去研究内容概述火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去主要工作流程火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去主要成果（一）：制作VOC数据集VOC：一种专用于图像识别和分类的标准化的数据格式制作VOC数据集步骤：1.对原始照片统一规则命名、统一大小（shell脚本完成）2.使用labeImg工具标记目标区域，生成XML标签3.分割数据集，主要分训练文件和测试文件（Python完成）火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去主要成果（二）：训练VGGNet模型VGGNet：1619层深的深度卷积神经网络训练过程采用SSD网络，重点研究参数配置（Python完成）训练效果评估损失函数loss的变化 迭代次数loss0204060801001201401600510152025随着迭代次数变化损失函数loss的变化火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去主要成果（三）：实现目标识别和位置计算目标识别核心步骤：1.采用Python代码运行Caffe网络实现目标检测2.对检测结果分析并计算距离和位置检测效果评估指指标数数值主要影响因素主要影响因素目标识别准确度70%以上训练样本数量和迭代次数位置计算精度2cm（1.5米以内）单次检测时间520msGPU 计算能力火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去主要成果（四）：GPU加速效果分析和验证火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去每秒训练次数0200400600800100012001400CPU-only4X Tesla K80（3.7）4X Tesla M40（5.2）4X Tesla P100（6.0)109.93569.1849.031230.63GPU型号（计算能力）不同型号（计算能力）GPU在训练中的表现指指标联想想PC机机Jetson TX1CPUIntel酷睿i74500UARMA57运行内存运行内存4G4GGPUGeForce GT 730MNVIDIA MaxweGPU计算能力算能力3.05.3检测单次目次目标平均平均时间865ms523ms实时检测的的最高最高帧率率2.74.5两台设备目标检测性能比较加速效果加速效果火灾袭来时要迅速疏散逃生，不可蜂拥而出或留恋财物，要当机立断，披上浸湿的衣服或裹上湿毛毯、湿被褥勇敢地冲出去展望增加样本数量和迭代次数，改进算法，实现更高的精度研究多方面的GPU加速的方案，实现更快的计算速度