典型文献
基于软硬件协同加速框架的遥感图像目标检测
文献摘要：
由于遥感图像目标检测模型计算复杂度和内存需求的急剧增加,难以应用在小尺寸和低功耗的嵌入式平台上.针对上述问题,本文提出一种基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的软硬件协同加速框架,实现遥感图像目标检测模型的推理加速.首先,遵循Vitis AI加速方案对训练后的YOLOv3网络参数进行压缩、编译;其次,在FPGA端搭建包含深度学习处理单元(Deep-Learning Processing Unit,DPU)模块的底层硬件工程,并在ARM上编写DPU任务调度程序;最后,在Zynq SoC开发平台上实现FPGA的推理加速.实验结果表明,该框架在Xilinx-Zynq-MPSoC上的平均吞吐率为1.75 TOPs(26.8 fps),并且在DIOR数据集上的平均精度(mean Average Precision,mAP)为56.7％.
文献关键词：
遥感图像;目标检测;卷积神经网络;现场可编程门阵列
中图分类号：
作者姓名：
谭金林;范文童;刘亚虎;梁志锋;王梁;刘斌;黄斌
作者机构：
西安电子科技大学,陕西 西安710071;陕西航天技术应用研究院有限公司,陕西 西安710100
文献出处：
引用格式：
[1]谭金林;范文童;刘亚虎;梁志锋;王梁;刘斌;黄斌-.基于软硬件协同加速框架的遥感图像目标检测)[J].计算机与现代化,2022(06):109-115
A类：
TOPs
B类：
软硬件协同加速,遥感图像,图像目标检测,目标检测模型,计算复杂度,小尺寸,低功耗,嵌入式平台,现场可编程门阵列,Field,Programmable,Gate,Array,FPGA,推理加速,Vitis,YOLOv3,网络参数,编译,深度学习处理单元,Deep,Learning,Processing,Unit,DPU,ARM,任务调度,Zynq,开发平台,Xilinx,MPSoC,吞吐率,fps,DIOR,mean,Average,Precision,mAP
AB值：
0.418015
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
