基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
武器装备的智能化已经成为一种发展趋势,卷积神经网络(CNN)在图像识别、 目标检测和跟踪任务中展现出优异的性能,因此,将卷积神经网络算法应用于相关武器有助于提升其在复杂战场环境下的精确目标识别和抗干扰能力.本文提出了一种基于FPGA的卷积神经网络模型设计方法,并且在Xilinx Virtex-7系列FPGA验证了其功能的正确性.该模型具有可配置、 可重构的高灵活性,移植能力强,适用范围广.
推荐文章
一种移动卷积神经网络的FPGA实现
FPGA
卷积神经网络
硬件加速
MobileNet
移动端
一种基于FPGA的卷积神经网络加速器设计与实现
卷积神经网络
现场可编程门阵列(FPGA)
ZynqNet
并行计算
加速
基于FPGA的卷积神经网络加速器设计与实现
卷积神经网络
现场可编程门阵列
加速器
有限资源
基于FPGA的卷积神经网络并行加速结构设计
卷积神经网络
FPGA
卷积模块
激活模块
下采样模块
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于FPGA的卷积神经网络模型设计
来源期刊 航空兵器 学科 工学
关键词 智能化 目标识别 卷积神经网络 FPGA 武器装备
年,卷(期) 2019,(2) 所属期刊栏目 航空武器技术
研究方向 页码范围 15-20
页数 6页 分类号 TJ760.1|TP18
字数 4250字 语种 中文
DOI 10.12132/ISSN.1673-5048.2018.0073
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐佩 3 40 2.0 3.0
3 丁晓彤 1 0 0.0 0.0
6 任鹏举 3 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (58)
共引文献  (14)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(12)
  • 参考文献(0)
  • 二级参考文献(12)
2017(15)
  • 参考文献(2)
  • 二级参考文献(13)
2018(3)
  • 参考文献(1)
  • 二级参考文献(2)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
智能化
目标识别
卷积神经网络
FPGA
武器装备
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
航空兵器
双月刊
1673-5048
41-1228/TJ
大16开
河南省洛阳市030信箱3分箱
1964
chi
出版文献量(篇)
2141
总下载数(次)
10
总被引数(次)
8123
论文1v1指导