| 基于低比特量化神经网络的红外目标识别方法及其FPGA实现 |
| |
| 引用本文： | 武宏程,黄家明,张冰逸,卫俊杰,高子扬,钮赛赛,陈海宝. 基于低比特量化神经网络的红外目标识别方法及其FPGA实现[J]. 上海航天, 2023, 40(1): 35-43 |
| |
| 作者姓名： | 武宏程 黄家明 张冰逸 卫俊杰 高子扬 钮赛赛 陈海宝 |
| |
| 作者单位： | 空军装备部驻上海地区第一代表室，上海 200235;上海交通大学 电子信息与电气工程学院，上海 200240;上海航天控制技术研究所，上海 201109 |
| |
| 基金项目： | 上海航天技术研究院-上海交大航天先进技术联合研究中心项目(USCAST2019-24) |
| |
| 摘 要： | 红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择，无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略，有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面，本文提出了更加高效的卷积计算单元，提高了硬件资源的利用率，同时也达到了更高的峰值性能。最终，在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证，系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率，其功耗为2.5 W。
|
| 关 键 词： | 红外目标识别 卷积神经网络 低比特量化 可编程门阵列加速器 高能效 |
| 收稿时间： | 2021-01-28 |
| 修稿时间： | 2022-08-20 |
A Low-Bit Quantization Neural Network Method for Infrared Object Detection and Its FPGA Implementation |
| |
| WU Hongcheng,HUANG Jiaming,ZHANG Bingyi,WEI Junjie,GAO Ziyang,NIU Saisai,CHEN Haibao. A Low-Bit Quantization Neural Network Method for Infrared Object Detection and Its FPGA Implementation[J]. Aerospace Shanghai, 2023, 40(1): 35-43 |
| |
| Authors: | WU Hongcheng HUANG Jiaming ZHANG Bingyi WEI Junjie GAO Ziyang NIU Saisai CHEN Haibao |
| |
| Abstract: | |
| |
| Keywords: | infrared object detection convolutional neural network low-bit quantization field programmable gate array accelerator high energy efficiency |
|
| 点击此处可从《上海航天》浏览原始摘要信息 |
|
点击此处可从《上海航天》下载免费的PDF全文 |
