基于卷积神经网络的压缩与硬件加速方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-8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 研究现状 | 第9-11页 |
| 1.3 论文主要工作及章节安排 | 第11-13页 |
| 2 卷积神经网络及YOLO简介 | 第13-28页 |
| 2.1 卷积神经网络 | 第13-19页 |
| 2.1.1 卷积神经网络的结构 | 第14-18页 |
| 2.1.2 权值共享 | 第18-19页 |
| 2.2 卷积神经网络的发展 | 第19-21页 |
| 2.3 YOLO简介 | 第21-26页 |
| 2.3.1 YOLO V2 | 第24-26页 |
| 2.4 Tiny-yolo | 第26-28页 |
| 3 Tiny-yolo网络压缩 | 第28-37页 |
| 3.1 网络裁剪 | 第28-34页 |
| 3.1.1 初始网络训练 | 第28-30页 |
| 3.1.2 阈值获取 | 第30-31页 |
| 3.1.3 网络裁剪 | 第31-32页 |
| 3.1.4 稀疏网络重训练 | 第32-34页 |
| 3.2 权值量化 | 第34-37页 |
| 4 硬件加速 | 第37-41页 |
| 4.1 数据缓存优化 | 第37-38页 |
| 4.2 结构优化 | 第38-39页 |
| 4.3 卷积运算加速 | 第39-41页 |
| 5 压缩与硬件加速实现 | 第41-53页 |
| 5.1 平台介绍 | 第41-45页 |
| 5.1.1 Darknet简介 | 第41页 |
| 5.1.2 HLS工具介绍 | 第41-42页 |
| 5.1.3 HLS设计流程 | 第42-43页 |
| 5.1.4 ZedBoard测试平台介绍 | 第43-45页 |
| 5.2 网络裁剪与量化 | 第45-48页 |
| 5.3 硬件加速实现 | 第48-53页 |
| 6 总结与展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-59页 |
| A 作者在攻读学位期间论文成果 | 第57页 |
| B 作者在攻读学位期间获得的专利 | 第57-58页 |
| C.学位论文数据集 | 第58-59页 |
| 致谢 | 第59-60页 |
