基于FPGA的深度学习电路设计与实现

• 作者: 周瑞璇 王子颖 袁子奕
• 来源期刊: 科教导刊-电子版（下旬）
• 学科: 工学
• 关键词: 车型识别 二进制卷积神经网络 深度学习 FPGA
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 科学技术
• 页码范围: 283-286,290
• 页数: 5页
• 分类号: TN492
• 语种: 中文

摘要

如今深度学习的卷积网络已被广泛应用于图像识别领域,其弊端也日益显露,而二进制卷积神经网络(BNN)在运算速度和存储空间上具有一定优势,且FPGA以其超高的运算速度也被广泛应用,为此,本文将其引入车型识别问题.本文用自制的车辆数据集,完成BNN在GPU上的训练,得到89.32％的准确率.将训练得到的特征参数进行提取及二值化,再将其导入到PYNQ-Z2开发板上,得到最终的分类器.该方法在识别速度上取得了较显著的提高.