终检失败 创新训练 510电子与通信技术 智能硬件未定级

本项目将运行在GPU上的深度卷积神经网络移植到FPGA平台，借助FPGA硬件强大的视频处理能力和较低的功耗， 为移动设备上的物体检测等图像识别任务提供了基础。为适应FPGA硬件的特点，系统采用了Pipeline（流水线）等技术，发挥FPGA并行计算的能力，并采用HLS集成开发环境，减少了神经网络在FPGA硬件上的开发流程。系统结合了FPGA硬件平台上成熟的图像处理技术，实现对视频流的高效率实时处理，FPGA具有灵活的可编程特性，通过修改深度神经网络的参数和结构，系统可以适当地调整计算资源的消耗，灵活应对不同规模的物体检测任务。