面向可重构硬件的卷积神经网络推理算术适配概述
机器学习
2025-05-21 v1
摘要
卷积神经网络 (CNN) 因其在计算机视觉任务中的高流行度，被广泛应用于各种应用场景。尽管已发布许多不同概念（如单帧检测器）用于检测图像或视频流中的目标，但 CNN 在部署到嵌入式平台（如 Field Programmable Gate Arrays, FPGA）等可重构硬件时存在诸多劣势。由于计算密集性、内存需求和算术条件，针对在 FPGA 上运行 CNN 的各种策略已得到开发。以下方法展示了我们在 XILINX Artix-7 FPGA 上使用融合批归一化、滤波修剪和后训练网络量化等技术，对 TinyYOLOv3 检测网络的最佳实践方法。
引用
@article{arxiv.2505.13575,
title = {An Overview of Arithmetic Adaptations for Inference of Convolutional Neural Networks on Re-configurable Hardware},
author = {Ilkay Wunderlich and Benjamin Koch and Sven Schönfeld},
journal= {arXiv preprint arXiv:2505.13575},
year = {2025}
}