检索结果-南通市图书馆

检索条件"主题词=动态定点化"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的弯曲文字识别研究与FPGA实现

基于深度学习的弯曲文字识别研究与FPGA实现

引用

作者：马凤丽天津工业大学

学位级别：硕士

文字作为信息传递的重要方式,承载着丰富而准确的语义信息。随着深度学习领域的迅速发展,自然场景中的文字识别成为了计算机视觉领域的一个研究热点,基于深度学习算法的现场可编程门阵列（Field Programmable Gate Array,FPGA）加速研... 详细信息

文字作为信息传递的重要方式,承载着丰富而准确的语义信息。随着深度学习领域的迅速发展,自然场景中的文字识别成为了计算机视觉领域的一个研究热点,基于深度学习算法的现场可编程门阵列（Field Programmable Gate Array,FPGA）加速研究也受到越来越多人的关注。基于此,本文完成了基于深度学习的弯曲文字识别研究与FPGA实现,本文的研究内容如下:（1）由于传统卷积神经网络识别精度较低,本文基于实例分割方法实现弯曲文字识别。本文选用Mask R-CNN作为训练模型,使用Detectron2和Py Torch深度学习框架完成对Mask R-CNN网络模型的训练。实验结果表明,本文在SCUT-CTW 1500数据集上的准确率为80.1%,总体达到了很好的效果。（2）实现了卷积神经网络算法的硬件加速设计。由于Mask R-CNN算法的庞大计算量和复杂性,首先通过分析卷积神经网络中的各种运算类型的计算原理,并充分利用FPGA并行运算的特点,通过采用数据复用、时分复用和流水线技术优化方法,实现了卷积运算、池化运算和全连接运算的硬件加速设计。充分利用坐标旋转算法（Coordinate Rotation Digital Comuper,CORID）计算简单,精度高的特点,实现了Re LU、Sigmoid、Softplus和Softmax四种激活函数的硬件设计。仿真结果表明,计算误差均不大于10数量级,满足激活函数的精度要求。（3）设计了Res Net50网络硬件加速架构。针对片上资源有限的情况,提出了一种改进动态定点量化方法,分别对特征和权重进行数据量化,在保证精度的同时降低FPGA上资源的消耗,权重大小从119.5MB减少到29.88MB,量化后的权重大小相比量化前降低了75%。对输入特征采用二值化量化方式,量化后的输入特征位数相比量化前降低了87.5%,且易于存储。基于卷积神经网络的卷积运算硬件加速设计,本文提出了基于FPGA平台的Res Net50网络硬件加速架构,通过采用特征复用,权重复用、时分复用和流水线技术优化方法,充分利用FPGA的片上资源,提高运算速度。实验结果表明,FPGA工作频率为120MHz,系统功耗为2.221W,本文基于FPGA平台单张图片的识别时间约为GPU平台的4倍。Res Net50网络运算速度约为10FPS,峰值性能达到188GOPS,能耗比为84.6GOPS/W,总体达到了很好的效果。因此,本文提出的Res Net50网络硬件加速架构是可行且有效的。

关键词：弯曲文字识别 Mask R-CNN 深度学习硬件加速动态定点化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：