典型文献
面向航空目标检测的神经网络加速器设计
文献摘要：
卷积神经网络被广泛应用于航空图像目标检测领域.然而,由于航空图像成像背景环境复杂、目标尺寸小且方向任意,为了提取更高层次的特征信息,神经网络模型的结构复杂度不断提高,使得模型计算复杂度高、计算时间长,从而难以满足航空目标检测的实时性需求.本文提出了一种面向航空目标检测的基于Winograd算法的神经网络加速器,通过Winograd卷积算法可大幅减少卷积计算中的乘法数量,并针对Winograd卷积在神经网络计算中由于时域变换引入额外加法计算的问题,提出了一种深流水的矩阵变换计算结构,通过复用加法计算的中间结果以及调整运算顺序减少输入和输出变换的计算量.同时,针对加速器的现场可编程门阵列(FPGA)实现,提出了一种高效的数据流形式和DSP阵列结构.试验结果表明,本文提出的加速器相比CPU和GPU分别获得了32倍和2.6倍的速度提升.
文献关键词：
目标检测;卷积神经网络;加速器;Winograd算法;FPGA
中图分类号：
作者姓名：
施立瑞;王帅帅;肖昊
作者机构：
合肥工业大学,安徽 合肥 230000
文献出处：
引用格式：
[1]施立瑞;王帅帅;肖昊-.面向航空目标检测的神经网络加速器设计)[J].航空科学技术,2022(05):89-96
A类：
B类：
神经网络加速器,加速器设计,航空图像,图像目标检测,检测领域,图像成像,背景环境,环境复杂,标尺,特征信息,结构复杂度,计算复杂度,计算时间,性需求,Winograd,卷积算法,卷积计算,法数,域变换,外加,加法,矩阵变换,计算结构,复用,运算顺序,计算量,现场可编程门阵列,FPGA,数据流,流形,DSP,阵列结构,CPU,GPU
AB值：
0.35815
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。
