文摘
“近年来增加数量的研究和发展深度学习对象检测解决方案应用于无人驾驶车辆。这个应用程序受益于创新的趋势感到感知解决方案,如激光雷达传感器。目前,这是首选的设备在自动车辆完成这些任务。有一个广泛的各种各样的研究工作基于点云模型,站在他们的计划任务的效率和健壮,但他们也以点云处理时间大于所需的最低要求,考虑到风险的性质应用程序。本研究旨在提供一个设计和实现,通过卷积运算的硬件IP优化修正线性单元(ReLU),填充,马克斯池。这台发动机是为了使不同大小的配置功能,如地图的功能,过滤大小,泰然自若,输入数量,过滤器,和所需的硬件资源数量为一个特定的卷积。性能结果表明,通过采取并行性和量化方法,提出的解决方案可以减少逻辑FPGA资源的40 - 50%,提高50%的处理时间,同时保持了深度学习操作的准确性。”
找到开放存取技术论文。2022年3月出版。
席尔瓦,j .;佩雷拉,p;马查多,r;Nevoa r;Melo-Pinto p;费尔南德斯,d .可定制的fpga硬件加速器与量化标准的卷积过程授权应用于激光雷达数据。传感器2022,2184。https://doi.org/10.3390/s22062184。
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复