[发明专利]一种面向YOLO算法可快速部署的通用硬件加速器系统平台

说明书

一种面向YOLO算法可快速部署的通用硬件加速器系统平台属于计算机技术领域，该平台考虑了YOLO目标检测算法快速、高性能、低功耗的部署需求，具有广阔的应用场景。平台由ARM子系统、FPGA子系统和片外存储器组成，ARM子系统负责参数初始化、图像预处理、模型参数预处理、数据段地址分配、FPGA加速器驱动、图像后处理，FPGA子系统负责YOLO算法的高密度计算。平台启动后，读取YOLO算法配置文件对加速器驱动参数初始化，待检测图像进行预处理后，读取模型权重和偏置数据执行量化、融合和重排序，并驱动FPGA子系统执行模型计算，计算结果经后处理得到目标检测图像。本发明在高性能、低功耗的前提下可实现快速部署YOLO算法。

技术领域

本发明为计算机技术领域，具体涉及一种面向YOLO算法可快速部署的通用硬件加速器系统平台。

背景技术

随着计算机算力的提升和大数据的发展，卷积神经网络算法 (ConvolutionalNeural Network，CNN)在计算机视觉领域成为主流，目标检测算法作为基于CNN计算机视觉领域的一个重要分支，尤其是YOLO(You Only Look Once)系列算法在速度和精度上展现了优秀的效果，在许多领域都有广泛的应用，如机器人视觉、安全监控、自动驾驶、虚拟现实等。

YOLO算法不断朝着计算密集，数据量大、结构复杂的方向不断发展，同时版本更新迭代快，这便带来了算法的部署难度不断提高，而实际的应用场景如无人机检测等对低延时、低功耗、快速部署的要求却越来越高。

现有部署方案一般基于CPU、GPU、FPGA或ASIC平台，但通用处理器 CPU无法满足高性能要求，GPU加速延时高、功耗大，而AISC开发成本高，所以具有可编程、高并行、低功耗特点的FPGA受到广泛关注。但随着YOLO 算法的复杂度越来越高，更新迭代越来越快，当前卷积神经网络的FPGA加速器凸显出部署难度高，开发周期长等问题。

发明内容

针对现有技术中的不足，本发明提出一种面向YOLO算法可快速部署的通用硬件加速器系统平台的设计思路。在满足低延时、低功耗要求的同时，可实现快速部署YOLO算法。该平台由ARM子系统、FPGA子系统和片外存储器构成，ARM子系统主要负责逻辑控制与小规模的数据处理，主要由参数初始化模块、图像预处理模块、模型参数预处理模块、数据段地址分配模块、 FPGA加速器驱动模块、图像后处理模块组成。FPGA子系统主要负责YOLO 算法的高密度计算，主要由输入输出缓存模块、控制器模块、数据路由模块、 YOLO算子模块组成。片外存储器主要负责大规模的数据存储。下面对软硬件各个模块进行简要说明。