-
题名基于卷积神经网络的单图像去雾模型硬件重构加速方法
被引量：2
- 1
-
-
作者
王官军
简春莲
向强
-
机构
西南民族大学电子信息学院
成都动力视讯科技股份有限公司
-
出处
《计算机应用》
CSCD
北大核心
2022年第10期3184-3190,共7页
-
基金
四川省科技厅重点研发项目(22ZDYF3125)
西南民族大学研究生创新型科研项目(CX2021SZ46)。
-
文摘
针对基于卷积神经网络(CNN)的单图像去雾模型在移动/嵌入式端部署难,不易用做实时视频去雾的问题,提出一种基于Zynq片上系统(SoC)的去雾模型硬件重构加速方法。首先,提出量化-反量化算法,对两个代表去雾模型进行量化;其次,基于视频流存储器架构和软硬件协同、流水线等技术以及高级综合(HLS)工具,对量化后的去雾模型硬件重构并生成具有高性能扩展总线接口(AXI4)的硬件IP核。实验结果表明,在保证去雾效果的前提下,可以实现模型参数从float32到int5(5 bit)的量化,从而节省约84.4%的存储空间;所生成硬件IP核的最高像素时钟频率为182 Mpixel/s,能够实现1080P@60 frame/s的视频去雾;单帧640×480的雾图去雾仅需2.4 ms,而片上功耗仅为2.25 W。这种生成带有标准总线接口的硬件IP核也便于跨平台移植和部署,从而可以扩大这类去雾模型的应用范围。
-
关键词
去雾
视频直接存储器访问
模型量化
模型重构
硬件ip核
高级综合
-
Keywords
defogging
Video Direct Memory Access(VDMA)
model quantization
model reconstruction
hardware ip core
High-Level Synthesis(HLS)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
