使用 FPGA 技术加速的物体运动检测器计算模型

Pedro Machado

使用 FPGA 技术加速的物体运动检测器计算模型

计算机视觉与模式识别 2023-10-12 v1

作者: Pedro Machado

摘要

本博士研究在物体运动检测领域引入了三项关键贡献：多层级脉冲神经网络（MHSNN）：一种受脊椎动物视网膜启发的专用四层脉冲神经网络（SNN）架构。在自定义实验室生成的图像上训练后，其对水平和垂直运动的检测误差为 6.75%。尽管不可扩展，MHSNN 为进一步的进展奠定了基础。混合敏感运动检测器（HSMD）：使用定制的三年层 SNN 增强动态背景减除（DBS），稳定前景数据以改进物体运动检测。在标准数据集上评估时，HSMD 优于基于 OpenCV 的方法，在八项指标中的四类上表现优异。它在高性能计算机上保持了实时处理（13.82-13.92 fps），但显示出硬件优化的空间。神经形态混合敏感运动检测器（NeuroHSMD）：基于 HSMD，此适配将 SNN 组件实现于专用硬件（FPGA）上。OpenCL 简化了 FPGA 设计并实现了可移植性。NeuroHSMD 相比 HSMD 实现了 82% 的加速，在 CDnet2012 和 CDnet2014 数据集上达到 28.06-28.71 fps。这些贡献共同代表了物体运动检测领域的重大进展，从受生物学启发的神经网络设计到在准确率和的处理速度上优于现有方法的优化硬件实现。

关键词

物体运动检测脉冲神经网络 FPGA 加速动态背景减除实时处理神经形态计算硬件优化

引用

@article{arxiv.2310.06842,
  title  = {Computational models of object motion detectors accelerated using FPGA technology},
  author = {Pedro Machado},
  journal= {arXiv preprint arXiv:2310.06842},
  year   = {2023}
}

备注

PhD thesis

使用 FPGA 技术加速的物体运动检测器计算模型

摘要

关键词

引用

备注

相关论文