基于异构多核平台的Caffe框架物体分类算法实现与加速

• 作者: 周道逵 季振凯 戴新宇 武睿 谢达
• 来源期刊: 电子与封装
• 学科: 工学
• 关键词: Caffe框架 ZYNQ 卷积神经网络 物体分类
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 电路设计
• 页码范围: 16-21
• 页数: 6页
• 分类号: TP391.4
• 字数: 3825字
• 语种: 中文

摘要

随着深度学习的快速发展,神经网络和深度学习算法已经广泛应用于图像处理.基于FPGA的神经网络加速设计,搭建了以快速特征嵌入的卷积结构(Caffe)框架、卷积神经网络为核心的物体识别系统,该系统使用Zynq-7000系列异构多核架构芯片实现.完成了神经网络模型与参数的移植、多层结构的神经网络构建、计算密集度分析以及硬件加速设计.结果 表明,设计的基于异构多核平台的Caffe框架物体分类系统实现了物体的识别和分类,且识别速度远超传统CPU架构的识别速度,从而为后续的深入研究提供一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢达	中国电子科技集团公司第五十八研究所	8	9	2.0	3.0
2	周道逵	中国电子科技集团公司第五十八研究所	2	2	1.0	1.0
3	季振凯	中国电子科技集团公司第五十八研究所	6	11	2.0	3.0
4	戴新宇	中国电子科技集团公司第五十八研究所	1	2	1.0	1.0
5	武睿	中国电子科技集团公司第五十八研究所	1	2	1.0	1.0