| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 卷积神经网络研究现状 | 第17-18页 |
| 1.2.2 卷积神经网络实现方法及基于FPGA的异构发展现状 | 第18-19页 |
| 1.3 本文的主要研究内容和组织结构 | 第19-21页 |
| 第二章 卷积神经网络算法结构与并行性分析 | 第21-39页 |
| 2.1 卷积神经网络拓扑结构 | 第21-28页 |
| 2.1.1 卷积层原理与结构分析 | 第22-23页 |
| 2.1.2 池化抽样层原理与结构 | 第23-25页 |
| 2.1.3 激活函数 | 第25-27页 |
| 2.1.4 全链接层原理与结构 | 第27-28页 |
| 2.2 卷积神经网络并行性分析 | 第28-38页 |
| 2.2.1 不同层之间的并行分析 | 第28-30页 |
| 2.2.2 卷积计算的并行性分析 | 第30-31页 |
| 2.2.3 卷积神经网络层内计算的并行性分析 | 第31-35页 |
| 2.2.4 卷积神经网络特征图内部的并行性分析 | 第35-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 基于FPGA平台的OpenCL异构计算 | 第39-57页 |
| 3.1 OpenCL标准简介与概述 | 第39-40页 |
| 3.2 OpenCL基本结构模型 | 第40-45页 |
| 3.2.1 平台模型 | 第40-41页 |
| 3.2.2 执行模型 | 第41-42页 |
| 3.2.3 存储模型 | 第42-44页 |
| 3.2.4 编程模型 | 第44-45页 |
| 3.3 基于FPGA异构计算OpenCL的优化策略 | 第45-50页 |
| 3.3.1 数据并行优化策略 | 第45-48页 |
| 3.3.2 任务并行优化策略 | 第48-49页 |
| 3.3.3 存储优化策略 | 第49-50页 |
| 3.4 FPGA实验平台介绍 | 第50-53页 |
| 3.4.1 FPGA开发板DE5-NET | 第51-52页 |
| 3.4.2 基于FPGA平台的OpenCL设计流程 | 第52-53页 |
| 3.5 基于FPGA平台的OpenCL总体架构 | 第53-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第四章 无人车卷积神经网络算法及其异构加速优化 | 第57-71页 |
| 4.1 无人车卷积神经网络算法 | 第57-61页 |
| 4.1.1 无人车实际应用意义 | 第57-58页 |
| 4.1.2 无人车卷积神经网络算法的结构 | 第58-61页 |
| 4.2 算法的实现方法与具体优化的策略 | 第61-67页 |
| 4.2.1 算法的实现方法 | 第61-64页 |
| 4.2.2 具体优化的策略 | 第64-67页 |
| 4.3 实验结果和性能分析 | 第67-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 总结和展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |
