【技术实现步骤摘要】
本专利技术涉及目标检测，特别涉及一种基于fpga的目标检测方法及系统。
技术介绍
1、随着计算机技术的发展，越来越多的任务依赖于计算机实现，以达到高效、精准地任务实现。例如，在深度学习加速领域，尤其是目标检测任务，yolov5模型因其高效的算法设计和出色的性能表现而受到广泛关注。
2、然而，在现有的目标检测任务中，硬件加速方案主要依赖于专用的深度学习加速器，如图形处理器(gpu)或特定应用集成电路(asic)。虽然利用gpu或asic能够拥有较快的处理速度，但在算法精度、灵活性和成本效益方面存在局限性。如，在利用gpu的方案中，虽然能够取得较好的训练效果和推理速度，但由于其结构组成特点和工作机制，往往无法在保持高精度的同时提供足够的灵活性和可扩展性，同时，gpu的高能耗和成本对于许多应用场景来说是不经济的；而在利用asic的方案中，虽然asic具有较高的能耗，且能够根据业务需求进行个性化开发，但是其开发周期长，成本高，且一旦设计完成，很难适应新的算法需求。
3、此外，目前常用的硬件加速方案通常需要复杂的软件栈和高...
【技术保护点】
1.一种基于FPGA的目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于FPGA的目标检测方法，其特征在于，所述根据FPGA硬件资源，设计目标检测模型的方法包括：
3.根据权利要求2所述的基于FPGA的目标检测方法，其特征在于，所述设计基于深度学习处理器的硬件加速器的方法包括：
4.根据权利要求1所述的基于FPGA的目标检测方法，其特征在于，所述对深度学习处理器的IP核进行时钟域的优化配置的方法包括：
5.根据权利要求1所述的基于FPGA的目标检测方法，其特征在于，所述基于优化配置后的深度学习处理器，对YOL...
【技术特征摘要】
1.一种基于fpga的目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于fpga的目标检测方法，其特征在于，所述根据fpga硬件资源，设计目标检测模型的方法包括：
3.根据权利要求2所述的基于fpga的目标检测方法，其特征在于，所述设计基于深度学习处理器的硬件加速器的方法包括：
4.根据权利要求1所述的基于fpga的目标检测方法，其特征在于，所述对深度学习处理器的ip核进行时钟域的优化配置的方法包括：
5.根据权利要求1所述的基于fpga的目标检测方法，其特征在于，所述基于优化配置后的深度学习处理器，对yolov5模型进行适配与训练的方法包括：
6.根据权利要求5所述的基于fpga的目标检测方法，其特征在于，所述利用coco数据集对配置后的yolov5模型进...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。