面向舰船检测的神经网络加速器设计

• 作者: 肖奇 程利甫 蒋仁兴 柳宜川 王琴
• 来源期刊: 制导与引信
• 关键词: 舰船目标检测 卷积神经网络加速器 现场可编程门阵列 并行计算
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信号处理技术
• 页码范围: 11-17,45
• 页数: 8页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0576.2020.03.002

摘要

针对卫星遥感图像的舰船目标检测需求,设计了基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的卷积神经网络(Convolution Neural Network,CNN)加速器.运算单元采用多层次并行化结构,底层采用乘法器级并行结构,使用行缓存单元优化数据流;顶层采用模块级并行结构,可灵活调整输出通道的并行度.针对片外数据访问延时高的问题,提出了基于FPGA块随机存储器(Block Random Access Memory,BRAM)的阵列式片上数据缓存单元,保证数据的实时读取和数据流的灵活分配.实验结果表明:加速器移植到Xilinx KC705开发平台,工作频率达100 MHz,平均吞吐率为217 GOPS,能效比为86.8 GOPS/W,对连续遥感舰船图像的检测速率可达105帧/秒.