孪生网络跟踪算法并行计算结构研究

• 作者: 卢金仪 唐维伟 徐文辉 颜露新 钟胜 邹旭
• 来源期刊: 测控技术
• 关键词: 卷积神经网络 目标跟踪算法 定点量化 FPGA硬件加速
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 39-45
• 页数: 7页
• 分类号: TP183|TN791
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.03.008

摘要

基于嵌入式平台的复杂背景目标跟踪技术在智能视频监控设备、无人机跟踪等领域有重要作用.卷积神经网络在跟踪问题上有准确率高、鲁棒性强的优点,但基于卷积特征的算法计算复杂度高,受嵌入式平台面积和功耗的限制,实时性难以满足嵌入式平台应用场景的需求.针对基于卷积特征的跟踪算法计算复杂度高、存储参数量大的难题,率先提出一种利用FPGA实现基于卷积神经网络的复杂背景目标跟踪硬件加速架构.该方法通过利用KL相对熵对目标跟踪算法Siamese-FC进行定点量化,设计了基于通道并行的卷积层加速架构.实验结果表明,定点量化后跟踪算法相比于原算法的平均精度损失不超过4.57％,FPGA部署后前向推理耗时仅为CPU的16.15％,功耗仅为CPU的13.7％.