摘要：基于卷积神经网络(Convolutional Neural Network,CNN)的目标检测算法有着鲁棒性强、准确度高等优点,被广泛用于计算机视觉任务领域.然而,CNN参数量大、计算量大的特性使得其难以在边缘计算平台实时实现,为此,本文针对目标检测网络Skynet进行结构优化,并基于高效的层内并行流水的加速架构,在现场可编程门阵列(Field Programmable Gate Array,FPGA)上对其进行实时实现.该方法对Skynet进行剪枝,合并其卷积层与归一化层,利用(Kullback-Leibler,KL)相对熵及极大值量化方法对权重及特征图进行8 bit定点量化,同时将偏置参数及缩放系数定点化,并合并激活操作与饱和截断操作,在减少存储量和计算量的同时,加快前向推理速度.此外,以滑窗操作为基础,采用通道及像素并行计算,设计深度可分离卷积的流水策略,将串行的前向推理结构优化为并行流水的结构,极大减少了前向推理的时间.实验表明,在UA-DETRAC数据集上,本文实现的系统识别精度为0.752,在160×160的图像分辨率上,速度达到115FPS,与CPU相比,提速11倍,达到了GPU的75%,功耗分别为CPU的10.6%,GPU的7.43%,而且,与同类基于FPGA的CNN加速工作相比,本文方法在速度和能效比上均表现最优.

摘要：文章讨论了基于SI仿真技术的高速电路设计流程,并结合高性能DSP并行系统设计实例进行展开说明。实际系统设计证明,基于该流程的设计方法能够有效的解决系统的信号完整性问题,保证了设计质量,提高了设计效率。

摘要：高速数字设计方法不同于传统的数字系统设计方法,需要考虑高速信号互连中出现的信号完整性(SI)问题。总结了高速数字设计流程,介绍了基于SI仿真的高速数字系统设计方法,最后给出了基于ADSP-TS101的高速DSP系统设计实例。

摘要：设计了一种基于FPGA+DSP+ASIC结构的红外图像小目标实时检测系统。该系统将红外图像的非均匀性校正、多级滤波等计算强度高、具有数据流结构特点的成熟子算法用硬件方式实现;将需要较大存储空间、抽象层次高的算法任务分配给DSP完成,充分发挥各类型器件的优势。测试表明,算法和硬件平台做到了很好的吻合,系统在处理速度、可重构性等方面达到良好的平衡和统一。

摘要：ADSP-TS101是ADI公司新一代高性能浮点DSP,开始应用在高速数据采集和处理系统中。TS101外部总线接口可编程,方便和各种总线外设接口。本文结合TS101与同步FIFO、SDRAM和FPGA的接口实例,介绍了TS101的接口技术,可作为基于TigerSHARC系列DSP的应用系统设计参考。

摘要：设计了一种高性能实时红外图像处理系统。针对红外探测系统,提出了DSP+FPGA+ASIC的图像处理架构,采用FPGA(EP1S10)实现非均匀性校正等图像预处理,自主研制的ASIC芯片实现图像多级滤波处理,DSP(TMS320C64X)实现红外小目标检测算法,构成处理能力强、接口可靠稳定的图像处理系统。实验测试表明,该实时红外图像处理系统工作稳定、可靠,满足系统性能指标的要求。

摘要：介绍了一种基于FPGA的多路同步、实时数据采集新方案,着重对其硬件结构和控制逻辑进行了 阐述,并从工程实践方面给出了电路的实现原则。该方案控制方式灵活可变、具有一定的扩展性和通用 性,已被成功地应用于双模信息融合系统的设计中,实现了对雷达导引头的多信号实时同步采集。

摘要：小目标检测广泛应用于视频监控等各种任务,在各领域均有着重要作用。由于待测目标尺寸小、特征弱等原因,目前的检测算法对小目标的检测性能仍值得进一步提升。现有基于设计特征的传统方法在复杂背景的应用场景下检测精度低、鲁棒性弱,基于深度学习的检测算法存在数据集难获取、小目标特征难提取等问题。面向解决低信杂比图像中小目标因面积占比小导致的特征提取难的问题,提出了一个深度分割模型用于小目标检测。为进一步提升检测性能、降低漏检率,充分应用多波段图像信息,设计了一个基于深度分割模型的多波段融合小目标检测方法。在仿真数据集上的实验结果表明,该方法有效提高了小目标检测的准确率,为小目标检测的后续研究提供了新的思路。

摘要：基于嵌入式平台的复杂背景目标跟踪技术在智能视频监控设备、无人机跟踪等领域有重要作用。卷积神经网络在跟踪问题上有准确率高、鲁棒性强的优点,但基于卷积特征的算法计算复杂度高,受嵌入式平台面积和功耗的限制,实时性难以满足嵌入式平台应用场景的需求。针对基于卷积特征的跟踪算法计算复杂度高、存储参数量大的难题,率先提出一种利用FPGA实现基于卷积神经网络的复杂背景目标跟踪硬件加速架构。该方法通过利用KL相对熵对目标跟踪算法Siamese-FC进行定点量化,设计了基于通道并行的卷积层加速架构。实验结果表明,定点量化后跟踪算法相比于原算法的平均精度损失不超过4.57%,FPGA部署后前向推理耗时仅为CPU的16.15%,功耗仅为CPU的13.7%。

摘要：针对红外点目标图像的特点,融合目标检测与无损-近无损压缩技术,提出了一种目标-背景分类的高保真压缩方法。将红外图像分成若干子块,对每个子块进行基于"最大中值滤波"背景抑制算法的点目标检测,根据检测结果将图像子块分为包含疑似目标的目标子块和不含目标的背景子块,对目标子块图像无损压缩,对背景图像子块近无损压缩,从而提高红外遥感图像压缩比,降低数据传输量,减轻数据传输压力。实验结果表明:所提的方法与传统全图无损压缩方法相比,能在不损失点目标信息的高保真压缩前提下,使图像压缩比提高40%以上。该方法对星上实时处理系统、红外探测跟踪系统的设计具有一定的理论和工程应用价值。