基于FPGA的多核卷积神经网络加速器调度策略：优化与创新.docxVIP

下载本文档

12
0
约3.46万字
约 27页
2025-04-23 发布于上海
举报
版权申诉

基于FPGA的多核卷积神经网络加速器调度策略：优化与创新.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于FPGA的多核卷积神经网络加速器调度策略：优化与创新

一、引言

1.1研究背景与意义

随着人工智能技术的飞速发展，卷积神经网络（ConvolutionalNeuralNetwork，CNN）作为深度学习的重要分支，在众多领域展现出了强大的应用潜力。在图像识别领域，CNN能够对海量的图像数据进行特征提取和分类，例如在人脸识别系统中，通过卷积神经网络可以准确地识别出不同人的面部特征，实现门禁系统的安全管控以及安防监控中的人员追踪等功能，在交通监控中，能够快速准确地识别车牌号码，助力交通管理部门对车辆的监管和违章处理。在目标检测方面，CNN可以在复杂的场景中精准定位目标物体，如在自动