排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
基于卷积神经网络的深度学习算法的检测识别精度已远远超过了传统模式识别算法,但卷积神经网络中的卷积、非线性激活等运算,需要巨大的算力才能高效率实现,这使得很多深度学习算法模型难以在算力限制的嵌入式平台上进行部署。以目标检测算法YOLO-V3为例,针对网络的不同层设计了对应的FPGA实现方法,并且特别针对卷积层设计了分片分块并行运算的运算单元,最终在FPGA中实现了一种目标检测硬件加速器。该加速器可充分利用FPGA的硬件计算资源,其整体平均性能为192.229 GOP/s。通过实验对比,证明该目标检测硬件加速器可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。 相似文献
5.
相比传统机械扫描,光学相控阵技术在扫描精度、扫描速度、转动惯量等方面具有优势,是实现大视场范围内多目标定位和三维成像的重要技术途径。随着微纳光子集成的发展,硅基光波导光学相控阵器件得到了广泛研究,并被视为全景光电成像和激光成像雷达的核心器件。介绍了硅基光波导光学相控阵的基本原理和数学模型,并设计了一个16元相控阵器件,对其温度场分布和热特性进行了分析。在此基础上,对光栅耦合器、MMI分束器、波导光栅天线等关键元件进了有限元分析和仿真,完成优化设计。基于该设计完成了器件的流片制备,并搭建了性能测试验证平台。利用该平台对器件的扫描精度(1.2°)、扫描范围(大于±30°)和扫描速度(20 kHz)分别进行了测试,验证了设计方法的可行性。 相似文献
1