| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 卷积神经网络的研究现状 | 第9-11页 |
| 1.3 论文的主要工作与章节安排 | 第11-13页 |
| 2 卷积神经网络的基本理论及加速研究现状 | 第13-28页 |
| 2.1 卷积神经网络的概述 | 第13-17页 |
| 2.1.1 卷积神经网络的结构 | 第13-16页 |
| 2.1.2 参数优化 | 第16-17页 |
| 2.2 深度卷积神经网络的研究进展 | 第17-23页 |
| 2.2.1 R-CNN | 第18页 |
| 2.2.2 Fast R-CNN | 第18-19页 |
| 2.2.3 Faster R-CNN | 第19-20页 |
| 2.2.4 Inside-Outside Net（ION） | 第20-21页 |
| 2.2.5 HyperNet | 第21-22页 |
| 2.2.6 SDP-CRC | 第22-23页 |
| 2.3 YOLO | 第23-26页 |
| 2.3.1 网络设计 | 第25页 |
| 2.3.2 训练 | 第25-26页 |
| 2.3.3 测试 | 第26页 |
| 2.4 卷积神经网络加速研究现状 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 Tiny-yolo卷积神经网络加速算法研究 | 第28-43页 |
| 3.1 基于Tiny-yolo网络的改进 | 第28-29页 |
| 3.2 数据的量化与反量化 | 第29-36页 |
| 3.2.1 量化weights与biases | 第30-35页 |
| 3.2.2 量化输入输出数据 | 第35页 |
| 3.2.3 反量化 | 第35-36页 |
| 3.3 卷积、池化计算方法的改进 | 第36-42页 |
| 3.3.1 conv0_kernel | 第37-40页 |
| 3.3.2 conv1-7_kernel | 第40-41页 |
| 3.3.3 conv8_kernel | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 硬件加速实现 | 第43-62页 |
| 4.1 HLS工具介绍 | 第43-48页 |
| 4.1.1 HLS开发原理 | 第43页 |
| 4.1.2 HLS设计流程 | 第43-45页 |
| 4.1.3 HLS优化设计 | 第45-48页 |
| 4.2 ZC702测试平台介绍 | 第48-50页 |
| 4.3 基于HLS的Tiny-yolo卷积神经网络加速算法实现 | 第50-58页 |
| 4.3.1 conv0_kernel的HLS实现 | 第50-53页 |
| 4.3.2 conv1_7_kernel的HLS实现 | 第53-56页 |
| 4.3.3 conv8_kernel的HLS实现 | 第56-58页 |
| 4.4 结果分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
| A 作者在攻读学位期间论文成果 | 第69页 |
