TensorFlow 在图像识别系统中的应用

来源：计算机技术与发展杂志2019年第05期北京时间：

作者：邢艳芳;段红秀;何光威

摘要：人工智能将是未来发展的大方向,深度学习则是人工智能领域的一个重要分支。 随着深度学习在国内外的快速发展,以及深度可分离卷积神经网络模型的提出,极大地推动了深度学习在图像识别、文字处理和语音识别等领域的广泛应用。 基于 Google 人工智能系统 TensorFlow 的深度学习开发平台,可以快速搭建出深度可分离卷积神经网络。 文中采用MobileNet 模型,Ubuntu16. 04 开源 Linux 操作系统,CUDA9. 0 运算平台,cuDNN7. 0. 5 并行架构,设计 Python 爬虫程序构建数据集,运用 TensorBoard 对模型进行可视化。 通过对此类模型进行重建和训练,保存训练完成的模型,对图像实现了较高准确度的识别。 完成在不同迭代次数下模型性能的测试和分析,通过与 Inception_v3 模型的准确度与迭代周期进行对比,表明 MobileNet 在移动端、嵌入端以及网络规模大小和内存限制时具有较好的推广应用价值。

关键词：图像识别;TensorFlow;深度可分离卷积神经网络;MobileNet