基于FPGA的大目标关键特征识别方法及设备技术

本发明专利技术的一种基于FPGA的大目标关键特征识别方法及设备，包括在首次检测目标的轮廓基础上对图像中的关键特征部位进行裁剪，将其输入到精细检测网络中，检测出目标的关键部位，整个过程符合人眼从“全局到局部”的视觉特性；将关键部位识别结果返回到第一阶段识别结果中，将训练模型结果进行网络解析，优化设计硬件加速算子，动态调整异构任务部署，在FPGA异构平台实现算法的工程化转化；本发明专利技术引入MobileNet V2和Deeplab v3plus分别作为关键特征检测中的特征提取网络和掩膜生成网络，在获得较高检测精度和定位精度的同时，降低了模型计算量和参数量。本发明专利技术实现软件算法向FPGA硬件平台的高效部署，满足边缘计算平台对资源、时序和功耗的要求。

【技术实现步骤摘要】

本专利技术涉及目标识别和异构加速设计，具体涉及一种基于fpga的大目标关键特征识别方法及设备。

技术介绍

1、yolo(you only look once)系列算法是基于回归的单阶段卷积神经网络目标检测算法，直接对图像中的目标类别、位置等信息进行检测，节省特征提取过程中候选区域生成过程，其识别检测速度得到质的提升。随着yolo系列算法网络架构不断改进，其检测速度、识别精度以及对不同场景的适应性不断提升，尤其yolo v3模型在应对多尺度变化、弱小目标识别场景下体现出优越的性能，使其在工程应用中被大量使用，如无人机目标检测、自动驾驶等。

2、但对于背景复杂、体积较大的目标，目标核心关键特征提取相对困难，对这些目标关键部位的识别是提高定位精度的重要途径，如以大型舰船目标为例：其识别检测过程如图1所示。

技术实现思路

1、本专利技术提出的一种基于fpga的大目标关键特征识别方法、设备及存储介质，可至少解决
技术介绍
中的技术问题之一。

2、为实现上述目的，本专利技术采用了以下技术方案：

本文档来自技高网...

【技术保护点】

1.一种基于FPGA的大目标关键特征识别方法，其特征在于，其特征在于：

2.根据权利要求1所述的基于FPGA的大目标关键特征识别方法，其特征在于：具体包括以下步骤，

3.根据权利要求2所述的基于FPGA的大目标关键特征识别方法，其特征在于：所述S1、设计面向FPGA异构平台移植框架体系，具体包括，

4.根据权利要求3所述的基于FPGA的大目标关键特征识别方法，其特征在于：步骤S1中软硬件开发流程将深度学习算法移植过程中的常规处理模块化，提供高效的模型剪枝、量化算法，提高深度学习加速器的可扩展性和高度可配置性，支持不同深度学习模型在FPGA异构平台快速部...

【技术特征摘要】

1.一种基于fpga的大目标关键特征识别方法，其特征在于，其特征在于：

2.根据权利要求1所述的基于fpga的大目标关键特征识别方法，其特征在于：具体包括以下步骤，

3.根据权利要求2所述的基于fpga的大目标关键特征识别方法，其特征在于：所述s1、设计面向fpga异构平台移植框架体系，具体包括，

4.根据权利要求3所述的基于fpga的大目标关键特征识别方法，其特征在于：步骤s1中软硬件开发流程将深度学习算法移植过程中的常规处理模块化，提供高效的模型剪枝、量化算法，提高深度学习加速器的可扩展性和高度可配置性，支持不同深度学习模型在fpga异构平台快速部署。

5.根据权利要求2所述的基于fpga的大目标关键特征识别方法，其特征在于：所述s2、搭建基于yolo v3的大目标关键特征识别方法，具体包括，

6.根据权利要求5所述的基于fpga的大目标关键特征识别方法，其特征在于：step2中deeplab v3 plus网络结构中特征提取阶段...

【专利技术属性】
技术研发人员：田宗浩，陈栋，郭佳晖，王珺，
申请(专利权)人：中国人民解放军陆军炮兵防空兵学院，
类型：发明
国别省市：