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。