基于FPGA的电视制导目标检测算法研究

摘要

如今，电视制导武器得到了越来越广泛的应用，在电视制导技术的不断向前发展的过程中，数字图像处理技术也不断地更新和进步，尤其是图像目标检测算法的研究和应用显得格外重要，与此同时深度学习领域也取得了突破性的进展，卷积神经网络的架构可以得到更鲁棒的特征。本课题提出了一种基于卷积神经网络的目标检测算法，解决了传统人工选取特征准确性不足的缺点；同时引用回归思想取代了滑动窗口或者建议区域的遍历式的工作方式，加快了目标检测的速度；同时在训练中加入难例挖掘，提高了训练之后网络的准确性。并进行三种数据集的训练和测试，对数据进行详尽分析。
　　为了更好的满足实时性，将算法映射到 FPGA上进行加速，实现了数据转换模块和卷积神经网络的设计，因为大量的卷积计算是算法复杂度的集中体现。根据FPGA的并行处理的优势和卷积神经网络并行结构的特点，对并行性进行了充分的分析和利用。由于FPGA的资源受限，对存储系统尤其是二维卷积计算的缓存安排进行精心的布置，有效的提高了片上资源的使用效率。

目录

声明

第一章 绪 论

1.1 课题背景及研究意义

1.2 国内外研究现状

1.3 本课题主要工作及结构安排

第二章 深度学习理论研究

2.1 深度学习

2.2 深度学习的架构

2.3 深度学习框架

2.4 本章小结

第三章 基于卷积神经网络的目标检测算法

3.1 图像预处理

3.2 经典的目标检测算法

3.3 卷积神经网络的目标检测算法

3.4 软件环境配置

3.5 实验结果与分析

3.6 本章小结

第四章 目标检测算法的FPGA实现

4.1 FPGA开发平台及整体安排

4.2 数据转换模块设计

4.3 卷积神经网络的模型研究

4.4 卷积神经网络的系统设计

4.5 存储系统设计

4.6 性能分析

4.7 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献