一种基于制造技术

本发明专利技术属于目标检测技术领域，具体涉及一种基于

【技术实现步骤摘要】
一种基于FPGA的DPU的目标检测加速方法


[0001]本专利技术属于目标检测
，具体涉及一种基于
FPGA
的
DPU
的目标检测加速方法
。

技术介绍

[0002]目标检测是计算机视觉领域中的热门研究方向之一，广泛应用于智能安防
、
自动驾驶
、
医学影像分析等领域
。
近年来随着深度学习技术的发展，目标检测的准确率不断提高，但是，同时也导致计算复杂度和模型体积的增加，如
YOLOv3
使用的
Darknet
‑
53
网络共
106
层
,
直接部署到终端上的计算效率较低，很难满足实时性要求
。
因此，如何将目标检测模型快速高效地部署到终端上，成为当前的一个研究热点和挑战
。
[0003]当前，针对目标检测硬件部署的研究主要包括两个方向：一是基于
FPGA/ASIC
等专用的硬件加速器进行目标检测模型的加速；二是在...

【技术保护点】

【技术特征摘要】
1.
一种基于
FPGA
的
DPU
的目标检测加速方法，其特征在于：所述基于
FPGA
的
DPU
的目标检测加速方法包括：步骤一
、
通过
FPGA
开发工具集成包含
DPU
的
AI
智能计算系统，生成并导出比特流文件，将比特流文件传入
Linux
软件开发工具中，利用
Linux
软件开发工具搭建具有
DPU AI
智能计算模块的
Linux
系统，并将其烧录至
SD
卡中；步骤二
、
在通用计算平台上对模型进行训练
、
优化并编译成
DPU
可识别的
.Xmodel
文件；步骤三
、
通过
SD
卡启动
FPGA
开发板，在基于
FPGA
的
Linux
系统上运行
.Xmodel
文件，实现
DPU IP
调用和模型的推理
。2.
根据权利要求1所述的一种基于
FPGA
的
DPU
的目标检测加速方法，其特征在于：步骤一中，
AI
智能计算系统还包括时钟模块和中央处理器；设置系统复位，采用
IP
核
Processor System Reset
，分频器产生三个时钟频率，使用三个复位
IP
核；
AI
智能计算系统配备三个不同的时钟域；
AI
智能计算系统包括中断处理模块；步骤三中，
FPGA
开发板选用
ZYNQ7Processing System IP
核；
FPGA
开发板采用
DDR、SD、USBIP
，时钟频率使用分频器
IP
，进行分频设置
。3.
根据权利要求1所述的一种基于
FPGA
的
DPU
的目标检测加速方法，其特征在于：步骤二中，采用
Pytorch
框架搭建深度学习模型对模型进行训练，深度学习模型包括四个部分，分别是输入端
、Backbone、Neck、Prediction
，
Backbone
是主干网络，主要功能是用来做特征提取，
Neck
部分作用是更好的提取
backbone
部分给出的
feature
参数，从而提高网络的性能；深度学习模型采用
ReLU
激活函数，方便模型在部署到
FPGA
开发板时做适配
。4.
根据权利要求3所述的一种基于
FPGA
的
DPU
的目标检测加速方法，其特征在于：深度学习模型在输入端做
Mosaic
数据增强以及自适应锚框计算；
Mosaic
数据增强技术通过对数据集中的图片进行随机缩放
、
随机剪裁
、
随机排布的方式进行拼接，提高数据集图片背景复杂度，对于小目标检测效果有很大改善；自适应锚框技术，是在网络训练过程中，在初始锚框的基础上输出预测框，进而和真实框进行对比，建立真实框与预测框之间的损失函数，反向更新迭代网络参数，提高初始锚框的效果
。5.
根据权利要求1所述的一种基于
FPGA
的
DPU
的目标检测加速方法，其特征在于：对模型进行优化为：搭建工具链，采用工具链对模型算子检查
、
量化
、
校准
、
微调
、
...

【专利技术属性】
技术研发人员：韩睿，戴哲仁，王文浩，翁张力，蒋鹏，李晨，夏巧群，李富强，周莉，刘爽，温典，
申请(专利权)人：国网浙江省电力有限公司宁波供电公司，
类型：发明
国别省市：