基于深度学习的舰船目标检测算法与硬件加速

作     者：李磊 徐国伟 李文婧 宋庆增 LI Lei;XU Guowei;LI Wenjing;SONG Qingzeng

作者机构：天津工业大学电气工程与自动化学院天津300387 天津工业大学计算机科学与技术学院天津300387 

基　　金：天津市高等学校基本科研业务费资助项目(2019KJ019) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2021年第41卷第S1期

页      码：162-166页

摘      要：现有基于深度学习的检测算法,虽然有效提高了高分辨率遥感图像中的舰船目标检测准确率,但是由于其网络结构非常复杂,导致计算量和参数量巨大。为了满足实际应用中的实时性要求,采用异构硬件加速,并进行了相应的算法优化。为了更好地贴合硬件,首先在YOLOV3算法的基础上,通过对主干网络进行改进,设计并实现了YOLOV3&MobileNetV3轻量化网络,这样可以极大地削减网络的参数规模和计算量。然后在现场可编程逻辑门阵列(FPGA)平台,通过设计卷积神经网络加速器,实现了高效的轻量化神经网络。最后实验结果表明,改进的神经网络在自主研发的FPGA加速架构上,在测试集中的船舰目标的检测达到了150帧每秒的检测速度以及0.872的F1值,能够更加快速并有效地检测船舰目标。

主 题 词：舰船目标检测 轻量化神经网络 神经网络加速器 现场可编程门阵列 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.11772/j.issn.1001-9081.2020091443

馆 藏 号：203103802...