适用于硬件高速计算的CNN目标跟踪算法

• 作者: 刘剑 吴南健 季飞 王加庆
• 来源期刊: 微电子学与计算机
• 关键词: 卷积神经网络 硬件计算 目标跟踪
• 年，卷（期）: 2018,（12）
• 页码范围: 115-118,124
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文

摘要

针对硬件上实现指定目标的高速跟踪,提出一种适用于硬件高速计算的深度卷积神经网络(convolutional neural network,CNN)目标跟踪算法.通过分析卷积层、卷积核、亚采样层和激活层对于网络性能的影响,针对硬件实现构建多种CNN结构.训练指定目标样本,得到基于卷积深度特征的目标模型,采用灵活的搜索策略,调用优化后的模型参数实现硬件上的目标跟踪.结合实例,对比了多种网络的性能和跟踪效果,其中最优模型参数仅为368 Byte,测试错误率为0.0125,跟踪误差均值为0.779像素,证明了该算法在硬件上实现目标追踪的有效行和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘剑	中国科学院半导体研究所超晶格国家重点实验室	66	379	12.0	17.0
5	吴南健	中国科学院半导体研究所超晶格国家重点实验室	30	136	8.0	10.0
9	季飞	中国科学院半导体研究所超晶格国家重点实验室	4	0	0.0	0.0
13	王加庆	中国科学院半导体研究所超晶格国家重点实验室	2	3	1.0	1.0