论文题目：基于异步设计方法的目标检测硬件系统设计及其FPGA实现
摘要：随着机器学习的快速发展,采用深度卷积神经网络方法的目标检测技术已经得到了广泛的应用,但由于应用场景的复杂多样性,以及对目标检测硬件设备越来越高的要求,低功耗和小型化已经成为该领域的重要研究方向。在过去的几十年中,同步电路一直是数字电路设计领域的主流方向,而近年来,基于事件驱动的异步电路设计方法凭借其功耗低、适应性强以及较强的抗电子干扰能力等天然优势重新进入人们的视野,迎来了重大发展契机。本论文主要利用异步电路功耗低、适应性强的优势,对基于异步设计方法的目标检测硬件系统设计进行研究,并完成了相应的FPGA实现。首先,本文简要介绍了异步电路的特点,并根据对设计要求以及硬件平台资源的分析提出了目标检测硬件系统的总体研究方案。其次,根据总体研究方案的规划,对Mobile NetYOLOv3目标检测算法进行了模型修改和计算优化。之后,设计了基于异步电路的目标检测系统的硬件架构,划分模块并逐个实现。最后,对系统各模块在Xilinx提供的Vivado平台进行了仿真验证,对集成在Viretex-7 VX485T FPGA上的目标检测硬件系统进行了功能验证并对其功耗及性能进行分析和对比。结果表明本论文设计的基于异步设计方法的目标检测硬件系统在性能和能耗比上均有优异的表现,尤其是其中的异步计算模块,较同等条件下的同步电路实现在功耗方面有显著的降低,证明了异步设计方法实现低功耗目标检测硬件系统的可行性和有效性。
关键词：目标检测硬件系统;低功耗;异步设计方法;异步计算模块
学科专业：工程·电子与通信工程（专业学位）
中文摘要
Abstract
第一章 绪论
1.1 选题背景和意义
1.2 国内外研究现状
1.2.1 目标检测算法的研究现状与发展趋势
1.2.2 卷积神经网络硬件加速技术发展现状
1.3 本文创新点及主要工作
第二章 基于异步设计方法的目标检测硬件系统研究方案
2.1 异步电路
2.1.1 异步电路的发展
2.1.2 异步电路的优劣势分析
2.1.3 BBD型异步电路
2.2 目标检测硬件系统研究方案
2.2.1 设计要求与分析
2.2.2 硬件平台资源分析
2.2.3 总体研究方案
2.3 本章小结
第三章 面向FPGA的目标检测算法设计与优化
3.1 Mobile Net-YOLOv3 算法设计
3.1.1 YOLOv3 算法
3.1.2 Mobile Net-YOLOv3 算法
3.2 网络模型计算优化
3.2.1 BN层融合
3.2.2 数据量化
3.3 结果对比
3.4 本章小结
第四章 面向FPGA的异步目标检测硬件系统设计
4.1 硬件系统架构设计
4.2 异步计算模块设计
4.2.1 乘加模块设计
4.2.1.1 PE单元设计
4.2.1.2 多PE并行结构
4.2.2 累加模块设计
4.2.3 量化模块设计
4.2.4 流水结构设计
4.3 存储模块设计
4.3.1 存储方案设计
4.3.2 DRAM存储设计
4.3.3 BRAM存储设计
4.3.3.1 配置BRAM
4.3.3.2 Feature map数据缓存
4.3.3.3 权重系数缓存
4.3.3.4 输出缓存
4.3.4 DDR存储设计
4.4 调度模块设计
4.4.1 BRAM与异步计算模块间的调度模块设计
4.4.1.1 数据复用与算法调度设计
4.4.1.2 输入缓存与异步计算模块间的调度设计
4.4.1.3 异步计算模块与输出缓存间的调度设计
4.4.2 DDR与 BRAM之间的调度模块设计
4.5 本章小结
第五章 功能验证和性能分析
5.1 异步计算模块的功能仿真验证及板级调试
5.1.1 功能验证
5.1.2 实现后仿真
5.1.3 板级调试及对比分析
5.2 系统功能验证
5.3 资源消耗分析
5.4 功耗性能对比分析
5.5 本章小结
第六章 结论
6.1 总结
6.2 展望
参考文献
致谢