【技术实现步骤摘要】
本专利技术公开了一种移动端设备目标检测系统的低功耗低资源占用跨网络层数据流方法和硬件结构，将高精度yolov2网络模型映射到低功耗低资源条件的移动端设备。该数据流策略从yolov2网络结构的特点出发，对于量化压缩后的yolov2目标检测网络的推理过程进行针对性改进。在采用纯整数运算推理量化策略量化压缩模型之后，卷积层后续的批归一化层变为mac计算后对特征图尺度进行线性压缩以及加β-γμ/σ偏置的过程。本专利技术通过将卷积计算过程中最为关键和适合硬件优化的mac计算从卷积层中抽离出来，作为一个线性卷积层单独进行优化，并且将卷积层剩余其他步骤的计算过程进行整合，也就是将加偏置、移位操作和leaky relu处理共同放到一个尺度缩放层处理，以此优化整个yolo网络卷积层的结构。对于量化压缩和重构卷积层后的yolov2网络两次线性卷积之间的操作，包括尺度缩放层、最大池化层、重排序层，其实都是再对前面线性卷积层的输出特征图做变换处理，本专利技术因此将线性卷积层与这些网络层整合为数据流策略的一次跨网络层片内执行，各个网络层以及输入特征图和权重的数据加载操作都采用并行计算方...
【技术保护点】
1.一种移动端设备目标检测系统的低功耗低资源占用跨网络层数据流方法和硬件结构，包括线性卷积层的并行MAC计算、尺度缩放层的尺度缩放操作、最大池化层的最大池化操作、重排序层的重排序操作，其特征在于：
2.由权利要求1所述的一种线性卷积层的并行MAC计算方法，其特征在于：
3.由权利要求1所述的一种尺度缩放层的尺度缩放操作方法，其特征在于
4.由权利要求1所述的一种最大池化层的最大池化操作方法，其特征在于：
5.由权利要求1所述的一种重排序层的重排序操作方法，其特征在于：
【技术特征摘要】
1.一种移动端设备目标检测系统的低功耗低资源占用跨网络层数据流方法和硬件结构，包括线性卷积层的并行mac计算、尺度缩放层的尺度缩放操作、最大池化层的最大池化操作、重排序层的重排序操作，其特征在于：
2.由权利要求1所述的一种线性卷积层的并行mac计...
【专利技术属性】
技术研发人员：冯建华，齐观平，侯明浩，张宇浩，李鹏龙，陈宇航，王然，崔博文，叶红飞，
申请(专利权)人：北京大学，
类型：发明
国别省市：
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。