卷积神经网络的软硬件协同加速技术

摘要

面向构建智能化航空电子系统的需求,提升有人机/无人机智能化作战水平,设计并实现卷积神经网络CNN的软硬件协同加速技术,以解决目标识别、辅助决策、自主规划等复杂问题.针对算法模型的庞大参数量与嵌入式环境有限存储资源的冲突问题,采用模型结构优化及量化算法压缩网络规模.针对复杂浮点运算与计算资源紧缺的冲突问题,基于Verilog HDL设计卷积、池化两种加速算子,采用流水线+全并行方式,以达到计算加速的目的.通过软件优化设计与硬件加速运算的协同作用,实现卷积神经网络的推理过程加速.以YOLOv3及YOLOv3-Tiny两种典型CNN为例进行加速,并在Xilinx ZCU102 FPGA评估板上进行验证.结果表明,加速后的模型与原模型对比,参数量可压缩3/4左右,YOLOv3的推理速度提升近65倍,YOLOv3-Tiny提升23倍左右.