| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究状况 | 第12-15页 |
| 1.2.1 卷积神经网络在目标检测的应用 | 第12-14页 |
| 1.2.2 卷积神经网络加速器的研究状况 | 第14-15页 |
| 1.3 研究内容与论文结构 | 第15-17页 |
| 第二章 用于人脸检测的YOLO算法的分析与硬件方案 | 第17-36页 |
| 2.1 YOLO算法的原理 | 第17-21页 |
| 2.1.1 YOLOv1回顾 | 第17-19页 |
| 2.1.2 YOLOv2改进 | 第19-21页 |
| 2.2 YOLO算法的模型结构 | 第21-26页 |
| 2.2.1 卷积层 | 第23-26页 |
| 2.2.2 池化层 | 第26页 |
| 2.3 用于人脸检测YOLO算法硬件实现方案 | 第26-35页 |
| 2.3.1 卷积层并行性分析 | 第27-33页 |
| 2.3.2 池化层并行性分析 | 第33页 |
| 2.3.3 整体硬件方案 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 专用型卷积神经网络推理加速器的研究与设计 | 第36-56页 |
| 3.1 基于浮点数的推理加速器研究与设计 | 第36-47页 |
| 3.1.1 整体架构设计 | 第37-39页 |
| 3.1.2 乘累加计算单元设计 | 第39-43页 |
| 3.1.3 分布式片上存储单元设计 | 第43-44页 |
| 3.1.4 算术逻辑计算单元设计 | 第44-45页 |
| 3.1.5 加速器的控制方式 | 第45-47页 |
| 3.2 基于二值化的推理加速器研究与设计 | 第47-55页 |
| 3.2.1 整体架构设计 | 第47-49页 |
| 3.2.2 二值化计算单元设计 | 第49-52页 |
| 3.2.3 分布式片上存储单元设计 | 第52页 |
| 3.2.4 算术逻辑计算单元设计 | 第52页 |
| 3.2.5 加速器的控制方式 | 第52-55页 |
| 3.3 本章小结 | 第55-56页 |
| 第四章 专用型卷积神经网络推理加速器的仿真与验证 | 第56-67页 |
| 4.1 实验平台与开发环境 | 第56-59页 |
| 4.2 基于浮点数的推理加速器仿真与验证 | 第59-60页 |
| 4.3 基于二值化的推理加速器仿真与验证 | 第60-63页 |
| 4.4 实验结果对比与分析 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 结束语 | 第67-69页 |
| 5.1 工作总结 | 第67页 |
| 5.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |