面向深度学习的弹载图像处理异构加速现状分析

• 作者: 陈栋 田宗浩
• 来源期刊: 航空兵器
• 关键词: 弹载图像 深度学习 FPGA 脉动阵列 Winograd卷积
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 青年论坛|Youth Experts Forum
• 页码范围: 10-17
• 页数: 8页
• 分类号: TJ760|TP18
• 语种: 中文
• DOI: 10.12132/ISSN.1673-5048.2020.0101

摘要

本文分析了深度学习算法向工程应用转化存在的问题,结合陆军智能弹药的特点和发展趋势,分别从深度学习模型压缩、量化,硬件平台加速设计以及异构加速框架设计等方面进行研究,提出了面向深度学习的弹载图像处理异构加速体系,实现从算法开发到硬件异构移植的流程化设计.随后,利用DeePhi Tech的异构加速框架DNNDK对Yolo v3模型进行压缩、量化,权重压缩率90％以上,模型参数压缩率80％以上,实现了Yolo v3的轻量化设计.在DPU硬件加速架构的基础上,实现算法向弹载嵌入式平台的移植,其功耗和识别检测效率满足弹载图像处理的要求.