| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 卷积神经网络概述 | 第9-10页 |
| 1.2.2 卷积神经网络的研究现状 | 第10-11页 |
| 1.3 文章内容和组织结构 | 第11-14页 |
| 1.3.1 论文的主要工作 | 第11页 |
| 1.3.2 论文工作的主要贡献 | 第11-12页 |
| 1.3.3 论文的结构安排 | 第12-14页 |
| 第2章 卷积神经网络的理论基础和加速问题的研究现状 | 第14-24页 |
| 2.1 人工神经网络 | 第14-16页 |
| 2.1.1 单个神经元 | 第14页 |
| 2.1.2 多层感知器 | 第14-16页 |
| 2.2 卷积神经网络 | 第16-20页 |
| 2.2.1 卷积层 | 第16-18页 |
| 2.2.2 下采样层 | 第18-19页 |
| 2.2.3 全连接层 | 第19页 |
| 2.2.4 卷积神经网络整体架构 | 第19-20页 |
| 2.3 卷积神经网络加速问题的研究现状分析 | 第20-22页 |
| 2.3.1 基于硬件的加速方法 | 第20页 |
| 2.3.2 一般加速方法 | 第20-21页 |
| 2.3.3 在物体检测应用中的加速方法 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于预决策的卷积神经网络加速方法 | 第24-44页 |
| 3.1 引言 | 第24-25页 |
| 3.2 计算代价敏感的特征点选择模型 | 第25-32页 |
| 3.2.1 提取特征点选择模型训练样本 | 第25-26页 |
| 3.2.2 量化卷积神经网络特征点之间的依赖关系 | 第26-27页 |
| 3.2.3 量化卷积神经网络特征点的计算代价 | 第27-29页 |
| 3.2.4 特征点选择模型的建立和优化 | 第29-32页 |
| 3.3 构建级联分类器 | 第32-33页 |
| 3.4 实验结果 | 第33-43页 |
| 3.4.1 算法分析 | 第33-36页 |
| 3.4.2 实验结果和性能对比 | 第36-41页 |
| 3.4.3 结果分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 卷积神经网络加速系统 | 第44-53页 |
| 4.1 系统目标与功能 | 第44页 |
| 4.2 系统需求 | 第44-45页 |
| 4.2.1 系统性能 | 第44页 |
| 4.2.2 系统平台 | 第44-45页 |
| 4.3 系统设计与实现 | 第45-52页 |
| 4.3.1 系统设计 | 第45-46页 |
| 4.3.2 系统实现技巧 | 第46-48页 |
| 4.3.3 系统实现 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间所发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |