面向深度学习的弹载图像处理异构加速现状分析

打开文本图片集

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。（剩余20395字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。