基于OpenCL的卷积神经网络在FPGA上的加速研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究概况 | 第11-13页 |
| 1.3 论文研究内容与结构安排 | 第13-17页 |
| 2 相关技术介绍 | 第17-28页 |
| 2.1 卷积神经网络 | 第17-21页 |
| 2.2 OpenCL及其在FPGA上的使用 | 第21-24页 |
| 2.3 Winograd最小滤波算法 | 第24-26页 |
| 2.4 流水线技术 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 卷积神经网络在FPGA上的性能瓶颈分析 | 第28-38页 |
| 3.1 网络计算复杂度分析 | 第28-31页 |
| 3.2 网络空间复杂度分析 | 第31页 |
| 3.3 VGG16的计算复杂度和空间复杂度 | 第31-34页 |
| 3.4 瓶颈分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 加速系统的设计与实现 | 第38-63页 |
| 4.1 引言 | 第38页 |
| 4.2 系统可行性分析 | 第38-39页 |
| 4.3 系统整体架构的设计 | 第39-42页 |
| 4.4 系统流水线设计和并行设计 | 第42-45页 |
| 4.5 系统模块设计与实现 | 第45-54页 |
| 4.6 实验及结果分析 | 第54-62页 |
| 4.7 本章小结 | 第62-63页 |
| 5 基于FPGA的人脸识别系统的设计与实现 | 第63-72页 |
| 5.1 引言 | 第63页 |
| 5.2 系统整体架构 | 第63-64页 |
| 5.3 系统模块设计 | 第64-68页 |
| 5.4 实验环境及结果 | 第68-71页 |
| 5.5 本章小节 | 第71-72页 |
| 6 总结与展望 | 第72-75页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 研究展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录1 攻读硕士学位期间登记的软件著作权目录 | 第80页 |
| 附录2 攻读硕士学位期间申报的发明专利目录 | 第80页 |
