| 基于深度学习的舰船目标检测算法与硬件加速 |
| |
| 引用本文： | 李磊,徐国伟,李文婧,宋庆增.基于深度学习的舰船目标检测算法与硬件加速[J].计算机应用,2021,41(z1):162-166. |
| |
| 作者姓名： | 李磊 徐国伟 李文婧 宋庆增 |
| |
| 作者单位： | 天津工业大学电气工程与自动化学院,天津300387;天津工业大学计算机科学与技术学院,天津300387 |
| |
| 摘 要： | 现有基于深度学习的检测算法,虽然有效提高了高分辨率遥感图像中的舰船目标检测准确率,但是由于其网络结构非常复杂,导致计算量和参数量巨大.为了满足实际应用中的实时性要求,采用异构硬件加速,并进行了相应的算法优化.为了更好地贴合硬件,首先在YOLOV3算法的基础上,通过对主干网络进行改进,设计并实现了YOLOV3&MobileNetV3轻量化网络,这样可以极大地削减网络的参数规模和计算量.然后在现场可编程逻辑门阵列(FPGA)平台,通过设计卷积神经网络加速器,实现了高效的轻量化神经网络.最后实验结果表明,改进的神经网络在自主研发的FPGA加速架构上,在测试集中的船舰目标的检测达到了150帧每秒的检测速度以及0.872的F1值,能够更加快速并有效地检测船舰目标.
|
| 关 键 词： | 舰船目标检测 轻量化神经网络 神经网络加速器 现场可编程门阵列 |
Ship target detection algorithm based on deep learning and hardware acceleration |
| |
| LI Lei,XU Guowei,LI Wenjing,SONG Qingzeng.Ship target detection algorithm based on deep learning and hardware acceleration[J].journal of Computer Applications,2021,41(z1):162-166. |
| |
| Authors: | LI Lei XU Guowei LI Wenjing SONG Qingzeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
