基于 Vitis AI 的 FPGA 对 CNN 图像分类加速
计算机视觉与模式识别
2024-12-31 v1 图像与视频处理
摘要
近年来，卷积神经网络（CNN）在计算机视觉中得到广泛应用。运行在 CPU 或 GPU 上的复杂 CNN 架构要么吞吞量不足，要么功耗不可接受。因此，需要专用硬件来加速计算负载以解决这些限制。本文使用 Vitis-AI 在 Xilinx Zynq UltraScale+ MPSoC ZCU104 FPGA 评估板上加速 CIFAR-10 数据集上的 CNN 进行图像分类。该工作实现了比 CPU 和 GPU 基准更高 3.33-5.82 倍的吞吞量和 3.39-6.30 倍的能源效率。它展示了从二维特征提取到下游任务（如深度估计和三维重建）的潜力。
引用
@article{arxiv.2412.20974,
title = {FPGA-based Acceleration of Neural Network for Image Classification using Vitis AI},
author = {Zhengdong Li and Frederick Ziyang Hong and C. Patrick Yue},
journal= {arXiv preprint arXiv:2412.20974},
year = {2024}
}