典型文献
PYNQ框架的高精度异构无预选框检测模型实现
文献摘要：
由于深度卷积网络的参数量及计算量过大,多尺度目标检测网络难以快速高精度地部署在许多资源及功耗受限的平台上.为解决此问题,本文基于Python productivity for ZYNQ(PYNQ)框架实现了无预选框检测模型CTiny的IP核设计及异构系统架构部署.首先,提出在卷积核中分段量化整体缩放系数的方式,使得预训练的高精度算法低损地部署于可编程门阵列(field programmable gate array,FPGA)上;其次,基于PYNQ框架实现了CTiny模型的系统搭建,包含ResNet主干网络、反卷积网络和分支检测网络;最后,将图片预处理及后处理等耗时计算从串行的ARM端移入并行的FPGA中,进一步缩减了总处理时长.实验结果表明:在PYNQ-Z2开发板上部署CTiny模型后,本文所提量化方式在公开光学遥感数据集NWPU VHR-10的平均检测精度达到81.60％,相较于截断量化提升了14.27％,实现了部署精简无预选框检测网络的精度低损耗的需求,且后处理的处理时长由ARM端的9.228 s缩减为了FPGA端的0.008 s,提高了检测模型的速度.
文献关键词：
目标检测;Python productivity for ZYNQ;光学遥感图像;无预选框;整体缩放系数
中图分类号：
作者姓名：
张瑞琰;姜秀杰;安军社;崔天舒
作者机构：
复杂航天系统电子信息技术重点实验室(中国科学院国家空间科学中心),北京100190;中国科学院大学,北京100049
文献出处：
引用格式：
[1]张瑞琰;姜秀杰;安军社;崔天舒-.PYNQ框架的高精度异构无预选框检测模型实现)[J].哈尔滨工业大学学报,2022(05):24-33
A类：
无预选框,CTiny,整体缩放系数,截断量化
B类：
PYNQ,检测模型,模型实现,深度卷积网络,参数量,计算量,量过大,多尺度目标检测,目标检测网络,多资源,功耗,Python,productivity,ZYNQ,核设计,异构系统,系统架构,卷积核,预训练,精度算法,可编程门阵列,field,programmable,gate,array,FPGA,系统搭建,ResNet,主干网络,反卷积,时计,串行,ARM,移入,Z2,开发板,开光,遥感数据,NWPU,VHR,检测精度,精简,低损耗,减为,光学遥感图像
AB值：
0.325972
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。
