【摘要】：隨著互聯(lián)網(wǎng)和摩爾定律的發(fā)展,數(shù)據(jù)獲取的便捷和硬件計算力的提升使得深度學(xué)習(xí)算法迅速發(fā)展,同時,目標(biāo)識別技術(shù)也由于深度學(xué)習(xí)算法的深化融入得到巨大的進步。目標(biāo)識別技術(shù)有著豐富的應(yīng)用場景,有在云端計算的安防監(jiān)控和互聯(lián)網(wǎng)的商品識別,也有移動嵌入式設(shè)備中的實時識別追蹤和地圖構(gòu)建。先進的目標(biāo)識別算法大多基于深度學(xué)習(xí),其計算量巨大,這給資源受限的嵌入式設(shè)備帶來極大的挑戰(zhàn)�？紤]到與云端之間的數(shù)據(jù)安全,嵌入式設(shè)備應(yīng)該具備本地處理目標(biāo)識別算法的能力。一般的嵌入式設(shè)備資源受限且不具備專門的CNN(Convolutional Neural Network,卷積神經(jīng)網(wǎng)絡(luò))加速硬件,不能滿足實時本地處理的需求。所以,研究與設(shè)計一款基于深度學(xué)習(xí)算法的智能識別芯片具有重大意義。本文將圍繞硬件架構(gòu)、性能、硬件利用率、功耗、片內(nèi)外訪問量等方面,開展基于深度學(xué)習(xí)算法的智能識別芯片設(shè)計與實現(xiàn)。主要工作有:(1)深入研究與分析CNN的計算特點,設(shè)計CNN硬件加速模塊和存儲架構(gòu)。本架構(gòu)支持混合數(shù)據(jù)復(fù)用模式,可以有效減少數(shù)據(jù)片內(nèi)外訪問量,進而減少系統(tǒng)功耗。CNN硬件加速模塊擁有高計算并行度,體現(xiàn)在處理單元矩陣對二維卷積的高效計算。CNN硬件加速模塊的寄存器矩陣層結(jié)構(gòu)把卷積層的卷積、批標(biāo)準(zhǔn)化、激活函數(shù)和池化層的計算操作合并,除了增強數(shù)據(jù)復(fù)用,還可以加速卷積層與池化層的計算過程。(2)本文提出一個利用上述CNN硬件加速模塊構(gòu)建的識別系統(tǒng),其中識別算法為YOLOv2-tiny。然后進行系統(tǒng)的定點數(shù)測試,并且分析軟硬件協(xié)同設(shè)計,充分發(fā)揮不同硬件的串并計算優(yōu)勢。除此之外,本文針對識別系統(tǒng)中的預(yù)處理、后處理和視頻流等模塊給出詳盡的硬件方案以及性能分析。(3)除了完成CNN硬件加速模塊和存儲架構(gòu)的Verilog電路設(shè)計與仿真,本文還給出DC和ICC等EDA工具的專用芯片后端設(shè)計過程,分析CNN硬件加速模塊的芯片功耗、面積和時序報告信息。(4)本文以YOLOv2-tiny算法作為CNN參考標(biāo)準(zhǔn),使用Xilinx的FPGA對CNN硬件加速模塊和存儲系統(tǒng)進行設(shè)計和仿真。由FPGA開發(fā)軟件Vivado的仿真和實現(xiàn)結(jié)果得知,本設(shè)計在100MHz的頻率下,性能可達9.06 GMACs,數(shù)據(jù)精度為32位和16位定點數(shù),硬件運行功耗為6.525W,同時,本文提出的識別系統(tǒng)對480p格式圖片的理論處理速度可達3.63fps。由DC和ICC的時序報告得知,CNN硬件加速模塊的芯片頻率可以到達100MHz,后端設(shè)計后芯片面積為3.5mm×3.5mm,功耗僅為204mW。
【圖文】：

YOLO 是最先進的實時物體識別系統(tǒng)。該項目開源，編程語言為 C 語言，現(xiàn)在發(fā)展到第三個版本。2.1.1 YOLOv1 簡介YOLOv1 的創(chuàng)新點在于將目標(biāo)識別轉(zhuǎn)換成邊界盒和相關(guān)類別概率的回歸問題。處理步驟是端到端的，只需要在框架中將圖像前向傳播一次即可得出邊界盒和類別概率。R-CNN 使用區(qū)域建議的方法來產(chǎn)生潛在的邊界盒，接著邊界盒在分類器中運行，然后后處理選取邊界盒，消除重復(fù)的識別結(jié)果，最后根據(jù)場景的其他目標(biāo)重新賦予邊界盒分?jǐn)?shù)。與 R-CNN 不同的是，YOLOv1 把目標(biāo)檢測簡化成一個回歸問題，把傳統(tǒng)算法的分級操作合并，取得處理速度的提升。如圖 2-1 所示，YOLOv1 識別系統(tǒng)將目標(biāo)識別分成三部：圖像縮放，CNN 和 NMS（Non-Maximum Suppression，非最大值抑制）[33]。系統(tǒng)首先把輸入圖像縮放成448×448，然后圖像在 CNN 中前向傳播，最后根據(jù)模型的置信分?jǐn)?shù)用 NMS 算法把識別結(jié)果篩選出來。

廣東工業(yè)大學(xué)碩士學(xué)位論文性激活函數(shù)和非線性激活函數(shù)[37]。如果神經(jīng)網(wǎng)絡(luò)只使用線性激活函數(shù)數(shù)多深，整個網(wǎng)絡(luò)的信號表達也只能是簡單的線性函數(shù)。所以為了增絡(luò)的表達能力，，需要引入非線性激活函數(shù)。常用的非線性激活函數(shù)有 sReLu 和 leaky ReLU。YOLOv2-tiny 使用的是 leaky ReLU，公式和函數(shù)式(2.11)和圖 2-6。 ( ) = ( > )
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN402;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 葛德明;;基于硬件加速的三維系統(tǒng)設(shè)計[J];通信電源技術(shù);2018年04期

2 張灝;;數(shù)字信號處理系統(tǒng)的硬件加速設(shè)計[J];科學(xué)技術(shù)創(chuàng)新;2018年31期

3 周一;;淺談深度學(xué)習(xí)的硬件加速[J];科學(xué)家;2017年16期

4 天涯衰草;;都是瀏覽器硬件加速惹的禍[J];電腦迷;2013年12期

5 ;無需更新驅(qū)動 開啟“硬件加速”[J];電腦愛好者;2011年06期

6 俞慶華;;Mentor Graphics宣布推出規(guī)�？蛇_15BG的Veloce Strato平臺[J];汽車零部件;2017年02期

7 王飛;李釗;尹曉華;雷振江;曹智;范賽龍;;高速數(shù)據(jù)壓縮及加密硬件加速電路研究[J];計算機與數(shù)字工程;2020年01期

8 ;盤點Google Chrome8八大新功能[J];計算機與網(wǎng)絡(luò);2010年20期

9 徐天亮;王晨旭;王新勝;羅清華;劉志勇;周志權(quán);;海洋觀測通信組網(wǎng)安全及其硬件加速研究[J];海洋科學(xué);2018年01期

10 胡力佳;馬琪;徐向陽;;數(shù)字集成電路設(shè)計中的硬件加速驗證技術(shù)[J];現(xiàn)代電子技術(shù);2007年11期

相關(guān)會議論文 前10條

1 張純;毛菁霞;張如鴻;孔伯虎;吳百鋒;彭澄廉;陳澤文;孫曉光;;基于硬件加速的可視化算法[A];全國第16屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2004年

2 陳乃剛;李健;曹芳;;基于FPGA的CNN單機多卡加速算法實現(xiàn)[A];2017電力行業(yè)信息化年會論文集[C];2017年

3 韋興軍;盧澤新;;基于TCAM的入侵檢測系統(tǒng)硬件加速技術(shù)[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（上冊）[C];2008年

4 肖永順;陳志強;張麗;;工業(yè)CT斷層重建算法的通用計算硬件加速[A];2004年CT和三維成像學(xué)術(shù)年會論文集[C];2004年

5 周治國;鐘一鳴;屈崇;;無人艇的水面圖像去霧技術(shù)研究與實現(xiàn)[A];第十二屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2018年

6 鄭堯;肖利民;唐文琦;姚光超;阮利;;一種面向大規(guī)模音樂庫的音樂推薦方法[A];第十一屆全國博士生學(xué)術(shù)年會——信息技術(shù)與安全專題論文集[C];2013年

7 劉世光;陳國軍;楊鵬;張加萬;孫濟洲;;布料上污漬效果的真實感模擬[A];中國計算機圖形學(xué)進展2008--第七屆中國計算機圖形學(xué)大會論文集[C];2008年

8 王陽;陶華敏;肖山竹;鄧秋群;;基于流水技術(shù)的三角矩陣求逆硬件加速技術(shù)研究[A];第十九屆計算機工程與工藝年會暨第五屆微處理器技術(shù)論壇論文集[C];2015年

9 王強;鄒丹;郭松;姜晶菲;;基于FPGA的寬度優(yōu)先搜索硬件加速方法研究[A];第十七屆計算機工程與工藝年會暨第三屆微處理器技術(shù)論壇論文集（下冊）[C];2013年

10 李欣瑤;劉飛陽;李鵬;;嵌入式智能計算加速技術(shù)綜述[A];2019年（第四屆）中國航空科學(xué)技術(shù)大會論文集[C];2019年

相關(guān)重要報紙文章 前10條

1 記者 劉斯文;破局在線教育 智能硬件加速跑[N];北京商報;2019年

2 山西 王強;被忽視的“硬件加速”[N];電腦報;2003年

3 遼寧 耿呈剛;關(guān)于PowerDVD硬件加速[N];電腦報;2004年

4 米笑;豐富的防火墻和防攻擊，多種VPN業(yè)務(wù)，硬件加速的IPsec和SSL等技術(shù)[N];中國計算機報;2004年

5 李剛;硬件加速也惹禍[N];中國電腦教育報;2004年

6 一片楓葉;PureVideo HD硬件加速我也行[N];電腦報;2008年

7 ;看PDF文檔也玩3D硬件加速[N];中國電腦教育報;2007年

8 朱亦楓 北京;Altera為NiosⅡ處理器系統(tǒng)提供新C語言至硬件加速工具[N];電子資訊時報;2006年

9 周童;免費的硬件加速渲染器[N];計算機世界;2008年

10 Adaptec公司亞太區(qū)技術(shù)指導(dǎo) 葉文遜;重管理 要增值[N];中國計算機報;2004年

相關(guān)博士學(xué)位論文 前10條

1 喬寓然;深度學(xué)習(xí)算法硬件加速關(guān)鍵技術(shù)研究[D];國防科技大學(xué);2017年

2 王銳;電源網(wǎng)格快速建模與EDA工具的硬件加速技術(shù)研究[D];合肥工業(yè)大學(xué);2006年

3 吳安;現(xiàn)場影像增強中的硬件加速機制研究[D];中國科學(xué)技術(shù)大學(xué);2017年

4 李韜;粗粒度數(shù)據(jù)流網(wǎng)絡(luò)處理器設(shè)計關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

5 肖永飛;醫(yī)學(xué)數(shù)據(jù)三維交互可視化方法的研究[D];哈爾濱工業(yè)大學(xué);2010年

6 楊超;虛擬戰(zhàn)場中電磁環(huán)境三維建模與繪制方法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

7 劉鈞石;基于近似計算的斷層圖三維迭代重建與圖像特征檢測的研究[D];浙江大學(xué);2015年

8 唐永鶴;基于序列圖像的空間非合作目標(biāo)三維重建關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

9 陳鵬;虛擬戰(zhàn)場環(huán)境中雷達作用范圍表現(xiàn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2007年

10 王圣;高速網(wǎng)絡(luò)TCP加速關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 曾宇航;基于深度學(xué)習(xí)算法的智能識別芯片設(shè)計與實現(xiàn)[D];廣東工業(yè)大學(xué);2019年

2 高琛;RNN算法優(yōu)化及硬件加速關(guān)鍵技術(shù)研究[D];戰(zhàn)略支援部隊信息工程大學(xué);2019年

3 秦亮;面向強化學(xué)習(xí)的FPGA硬件加速平臺的研究[D];電子科技大學(xué);2019年

4 薛帥;專用硬件在云平臺上的加速性能分析和比較[D];上海交通大學(xué);2018年

5 唐強;面向網(wǎng)絡(luò)功能虛擬化的加速關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2019年

6 紀(jì)昆;基于多核DSP的深度學(xué)習(xí)算法硬件加速技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2016年

7 景亮亮;基于FPGA和深度學(xué)習(xí)算法的硬件加速設(shè)計與研究[D];成都理工大學(xué);2018年

8 陳瑞;基于Vivado HLS的時域有限差分方法硬件加速研究[D];廈門大學(xué);2017年

9 吳樹明;面向高密度計算的眾核SoC硬件加速設(shè)計技術(shù)研究[D];合肥工業(yè)大學(xué);2018年

10 陳龍;目標(biāo)識別的硬件加速算法研究[D];南京航空航天大學(xué);2018年

本文編號：2621147