基于低比特量化神经网络的红外目标识别方法及其FPGA实现

作者：武宏程; 黄家明; 张冰逸; 卫俊杰; 高子扬; 钮赛赛; 陈海宝^*

来源：上海航天(中英文）, 2023, 40(01): 35-43.

DOI：10.19328/j.cnki.2096-8655.2023.01.005

• 红外目标识别
• 卷积神经网络
• 低比特量化
• 可编程门阵列加速器
• 高能效

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择，无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略，有效减小量化误差对网络模型性能的影响。实验结果表明：本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面，本文提出了更加高效的卷积计算单元，提高了硬件资源的利用率，同时也达到了更高的峰值性能。最终，在PYNQ-Z2嵌入式现场可编程门阵列（FPGA）上进行验证，系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率，其功耗为2.5 W。

• 单位
  上海交通大学; 上海航天控制技术研究所