文档名：基于FPGA的Skynet网络结构优化及高时效实现
摘要：基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的目标检测算法有着鲁棒性强、准确度高等优点,被广泛用于计算机视觉任务领域.然而,CNN参数量大、计算量大的特性使得其难以在边缘计算平台实时实现,为此,本文针对目标检测网络Skynet进行结构优化,并基于高效的层内并行流水的加速架构,在现场可编程门阵列(FieldProgrammableGateArray,FPGA)上对其进行实时实现.该方法对Skynet进行剪枝,合并其卷积层与归一化层,利用(Kullback-Leibler,KL)相对熵及极大值量化方法对权重及特征图进行8bit定点量化,同时将偏置参数及缩放系数定点化,并合并激活操作与饱和截断操作,在减少存储量和计算量的同时,加快前向推理速度.此外,以滑窗操作为基础,采用通道及像素并行计算,设计深度可分离卷积的流水策略,将串行的前向推理结构优化为并行流水的结构,极大减少了前向推理的时间.实验表明,在UA-DETRAC数据集上,本文实现的系统识别精度为0.752,在160×160的图像分辨率上,速度达到115FPS,与CPU相比,提速11倍,达到了GPU的75％,功耗分别为CPU的10.6％,GPU的7.43％,而且,与同类基于FPGA的CNN加速工作相比,本文方法在速度和能效比上均表现最优.
作者：唐维伟 钟胜 卢金仪 颜露新 谭富中 邹旭 徐文辉Author：TANGWei-wei ZHONGSheng LUJin-yi YANLu-xin TANFu-zhong ZHOUXu XUWen-hui
作者单位：华中科技大学人工智能与自动化学院,湖北武汉430074;华中科技大学多谱信息处理技术国家级重点实验室,湖北武汉430074
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(2)
分类号：TN47
关键词：目标检测网络 定点量化 现场可编程门阵列 流水计算 skynet
机标分类号：TP391.41TN915.02TP183
在线出版日期：2023年5月8日
基金项目：国家自然科学基金，国防基础科研计划基于FPGA的Skynet网络结构优化及高时效实现[
期刊论文] 电子学报--2023, 51(2)唐维伟 钟胜 卢金仪 颜露新 谭富中 邹旭 徐文辉基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的目标检测算法有着鲁棒性强、准确度高等优点,被广泛用于计算机视觉任务领域.然而,CNN参数量大、计算量大的特性使得其难以在边缘计算平台实时实现,为此,本文针对目标...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于FPGA的Skynet网络结构优化及高时效实现 Network Structure Optimization and High-Efficiency Implementation of Skynet Based on FPGA
基于FPGA的Skynet网络结构优化及高时效实现.pdf
- 文件大小:
- 3.12 MB
- 下载次数:
- 60
-
高速下载
|
|
