科教导刊-电子版(下旬)2022，Issue(2) ：283-286,290.

基于FPGA的深度学习电路设计与实现

周瑞璇 王子颖 袁子奕
科教导刊-电子版(下旬)2022，Issue(2) ：283-286,290.
✕
  • NETL
  • NSTL
  • 万方数据

基于FPGA的深度学习电路设计与实现

周瑞璇 1王子颖 1袁子奕1
扫码查看

作者信息

  • 1. 南京理工大学电子工程与光电技术学院 江苏·南京 210000
  • 折叠

摘要

如今深度学习的卷积网络已被广泛应用于图像识别领域,其弊端也日益显露,而二进制卷积神经网络(BNN)在运算速度和存储空间上具有一定优势,且FPGA以其超高的运算速度也被广泛应用,为此,本文将其引入车型识别问题.本文用自制的车辆数据集,完成BNN在GPU上的训练,得到89.32％的准确率.将训练得到的特征参数进行提取及二值化,再将其导入到PYNQ-Z2开发板上,得到最终的分类器.该方法在识别速度上取得了较显著的提高.

关键词

车型识别/二进制卷积神经网络/深度学习/FPGA

引用本文复制引用

出版年

2022
科教导刊-电子版(下旬)

科教导刊-电子版(下旬)

影响因子：0.025
ISSN：
参考文献量5
段落导航相关论文