基于FPGA的卷积异构加速器设计OA
针对传统CPU/GPU架构难以同时满足能耗、实时性、计算性能高需求的问题,面向轻量级目标检测网络YOLOv4-tiny,设计一款基于ARM+FPGA多核异构平台的卷积异构加速器。通过16-bit定点量化压缩模型,模型部署时采用卷积层-BN层融合、特征图分块、多维通道分割策略、乒乓传输、深度流水线,降低带宽压力并提升计算吞吐。实验证明,文中设计在ZYNQ7020平台部署,实现15.826 GOPS算力与4.927 GOPS·W-1能耗比,单次单张图片推理时间为0.436 s,系统功耗为3.212 W,满足深度学习目标检测模型在移动设备上的边缘部署需求。
鲁志鹏;刘凌云
湖北汽车工业学院机器人与自动化学院,湖北十堰442002湖北汽车工业学院机器人与自动化学院,湖北十堰442002
信息技术与安全科学
异构加速FPGAYOLOv4-tiny
《湖北汽车工业学院学报》 2026 (3)
P.59-64,70,7
评论