基于FPGA的高精度低算量目标检测网络系统技术方案

本发明专利技术涉及到网络检测技术领域，尤其涉及到一种基于FPGA的高精度低算量目标检测网络系统，系统主要包括有CPU模块、FPGA模块、Camera模块和DDR存储模块；本发明专利技术针对不同场景选取不同网络的方式来降低运算量，特别的这些不同的网络之间结构相同，参数值不同。网络选取方式可以手动，也可通过传感器自动触发，例如在卫星上针对不同的焦距，目标在视野中的平均尺寸是一定的，可以选取针对当前尺寸训练的网络进行推断，由于是针对性训练，模型不需要兼容其他尺寸的目标预测，因此可以选择比较小的分类网络，相应的算力需求及功耗就会降低，另外为提高特定类别的检测精度，可以单独训练单类别检测网络，以在不改变网络结构的情况下提高检测精度。

【技术实现步骤摘要】
基于FPGA的高精度低算量目标检测网络系统
本专利技术涉及到网络检测
，尤其涉及到一种基于FPGA的高精度低算量目标检测网络系统。
技术介绍
为了提高目标检测网络的精度，现有技术基本上都对网络结构进行修改，如增加网络深度或者宽度以增加特征的提取，此种方式在一定程度上确实会增加网络的检测精度，但是同时也会增加网络的复杂度，降低网络的推断速度(如yolo_v3网络比yolo_v3_tiny的精度检测对比)；另外，为了提高网络对小尺寸目标的检测精度，在网络中选取不同的层数作为特征层输出层，以达到对不同尺寸的兼容，此种网络结构本质上并不会降低网络的复杂度(yolo_v3网络中有3层输出层分别对应不同的尺寸目标，yolov3tiny有两层输出层)；还有一些改进方式是堆叠一些不同功能的子检测网络，在这些子检测网络前增加一个前置网络，根据前置网络的结果选择合适的子检测网络，此种网络本质上还是增加网络的深度，原因在于前置网络和子检测网络的线性关系，整个网络在推断过程中会增加一部分前置网络预测时间，这在固定场景中会浪费算力，增加设备功耗，另外由于这种网络的复杂性，对训练的要求较高，模型收敛困难。在现实场景中，目标检测的任务有很多都是场景固定或者类别有限，例如商品缺陷检测，固定区域人的检测等等。这种应用场景下由于场景单一或者网络求解数(类别数量)单一，需要的网络复杂度并不高，较为简单的网络也能达到很高的精度。鉴于此，本专利技术主要是解决在硬件功率要求较高的情况下实现目标检测的高精度与高帧率问题。专利
技术实现思路
鉴于上述技术问题，本专利技术提供了一种基于FPGA的高精度低算量目标检测网络系统，该系统在实际预测中，根据实际场景，系统自动选择合适的检测网络进行推断，以达到即保证检测精度又保证检测速度的目的。一种基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述系统包括有CPU模块、FPGA模块、Camera模块和DDR存储模块；所述DDR存储模块包括有四个区域，分别为检测结果区域、FPGA控制参数区域、网络参数区域和图片数据区域，四个区域分别与所述FPGA模块连接；所述FPGA模块分别与所述CPU模块和所述Camera模块连接，所述CPU模块分别连接所述Camera模块、检测结果区域。作为优选，上述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述CPU模块外接有外部控制信号。作为优选，上述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述外部控制信号由人为手动产生或通过外设的传感器像高度、速度、温度产生。作为优选，上述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述CPU模块作为主控制单元控制FPGA模块、Camera模块的状态，同时接受外部控制信号控制。作为优选，上述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，FPGA控制参数区域为FPGA运算控制数据，里面存有网络中每层的计算规则，包括当前层输入、输出及网络参数在DDR中的存放地址；网络参数区域为网络推断时需要的网络权重。作为优选，上述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述CPU模块根据所述检测结果区域的目标检测结果判断得出检测结果区域的选择信号以及Camera模块的姿态控制信号。作为优选，上述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述Camera模块连接所述DDR存储模块中的图片数据区域；所述Camera模块根据所述姿态控制信号调整焦距和方向，向所述图片数据区域写入图像数据流，写入完成后，图片数据区域传递信号传给CPU模块。上述技术方案具有如下优点或有益效果：本专利技术提出了针对不同场景选取不同网络的方式来降低运算量，特别的这些不同的网络之间结构相同，参数值不同。网络选取的方式可以手动，也可通过传感器自动触发，例如在卫星上针对不同的焦距，目标在视野中的平均尺寸是一定的，可以选取针对当前尺寸训练的网络进行推断，由于是针对性训练，模型不需要兼容其他尺寸的目标预测，因此可以选择比较小的分类网络，相应的算力需求及功耗就会降低，另外为了提高特定类别的检测精度，可以单独训练单类别检测网络，以在不改变网络结构的情况下提高检测精度。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术及其特征、外形和优点将会变得更加明显。在全部附图中相同的标记指示相同的部分。并未可以按照比例绘制附图，重点在于示出本专利技术的主旨。图1是本专利技术硬件系统实现架构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示为本专利技术基于FPGA的高精度低算量目标检测网络系统，主要包括有CPU模块、FPGA模块、Camera模块和DDR存储模块。在本专利技术技术方案中，DDR存储模块包括有四个区域，分别为检测结果区域、FPGA控制参数区域、网络参数区域和图片数据区域，四个区域分别与所述FPGA模块连接；FPGA模块分别与CPU模块和所述Camera模块连接，CPU模块分别连接所述Camera模块、检测结果区域；Camera模块连接DDR存储模块中的图片数据区域。在本专利技术技术方案中，CPU模块外接有外部控制信号，外部控制信号由人为手动产生或通过外设的传感器像高度、速度、温度等产生。CPU模块作为主控制单元控制FPGA模块、Camera模块的状态，同时接受外部控制信号控制。其中，FPGA控制参数区域为FPGA运算控制数据，里面存有网络中每层的计算规则，包括当前层输入、输出及网络参数在DDR中的存放地址；网络参数区域为网络推断时需要的网络权重。CPU模块受到外部控制信号后再综合所述检测结果区域的目标检测结果判断得出检测结果区域的选择信号以及Camera模块的姿态控制信号。Camera模块根据所述姿态控制信号调整焦距和方向，向所述图片数据区域写入图像数据流，写入完成后，图片数据区域传递信号传给CPU模块。具体的，CPU接受到外部控制信号后再综合目标检测结果(初始化可不依赖检测结果)进行状态判别得出网络参数的选择信号和Camera姿态控制信号。Camera接受姿态控制信号调整焦距和方向等，向DDR写入图像数据流，写入完成后传递信号传给CPU。CPU接收到Camera写完成信号后，产生FPGA的启动信号，FPGA接收到启动后从DDR中读取控制参数，控制参数中存有FPGA做计算的参数以及输入、输出和网络参数的基地址，FPGA解析出输入、输出及网络参数的基地址后再根据ARM传过来的网络参数选择信号计算网络参数的偏移地址，读取网络参数(权重等)并开始计算，计算完成后将输出写入相应的输出地址，写入完成后产生中断信号，CPU读取到FPGA产生的中断信号后从指定本文档来自技高网...

【技术保护点】
1.一种基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述系统包括有CPU模块、FPGA模块、Camera模块和DDR存储模块；/n所述DDR存储模块包括有四个区域，分别为检测结果区域、FPGA控制参数区域、网络参数区域和图片数据区域，四个区域分别与所述FPGA模块连接；所述FPGA模块分别与所述CPU模块和所述Camera模块连接，所述CPU模块分别连接所述Camera模块、检测结果区域。/n

【技术特征摘要】
1.一种基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述系统包括有CPU模块、FPGA模块、Camera模块和DDR存储模块；
所述DDR存储模块包括有四个区域，分别为检测结果区域、FPGA控制参数区域、网络参数区域和图片数据区域，四个区域分别与所述FPGA模块连接；所述FPGA模块分别与所述CPU模块和所述Camera模块连接，所述CPU模块分别连接所述Camera模块、检测结果区域。


2.根据权利要求1所述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述CPU模块外接有外部控制信号。


3.根据权利要求2所述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述外部控制信号由人为手动产生或通过外设的传感器像高度、速度、温度产生。


4.根据权利要求2所述的基于FPGA的高精度低算量目标检测网络系统，其特征在于，所述CPU模块作为主控制单元控...

【专利技术属性】
技术研发人员：杨向丰，
申请(专利权)人：逢亿科技上海有限公司，
类型：发明
国别省市：上海;31