基于OpenCL的目标检测算法加速

《基于OpenCL的目标检测算法加速》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文圖肇１Ｉ基于ＯｐｅｎＣＬ的目标检测算法加速名张晰：学校导师姓名、职称田小林副教授企业导师姓名、职称岳博副研究员申请学位类别工程硕士圔学校代码10701学号1502121370分类号TP751密级公开西安电子科技大学硕士学位论文基于OpenCL的目标检测算法加速作者姓名：张晰领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：田小林副教授企业导师姓名、职称：岳博副研究员学院：人工智能学院提交日期：2018年6月ObjectDetectionAlgorithmAccelerationBasedonOpenCLAthesiss

2、ubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByZhangXiSupervisor:TianXiaolinTitle:AssociateProfessorSupervisor:YueBoTitle:AssociateResearchFellowJune2018摘要摘要目标检测在日常生活中有着广泛的应用，是计算机视觉的一个重要的方向。它以判断图像或视频中是否存在感兴趣的单个或

3、多个目标，并确定目标的类别和位置为目的。传统目标检测算法由于提取特征的局限性、定位的误差限制了检测的精度，基于深度学习框架的目标检测算法将特征提取与目标识别、定位一体化，使得基于深度学习框架的目标检测算法逐渐占据主导地位。本文对基于深度学习框架的目标检测算法YOLO(YouOnlyLookOnce)使用开放运算语言(OpenComputingLanguage,OpenCL)对其并行加速，使其在检测精度不变的情况下训练、测试过程速度显著提高。本文的主要工作如下：（1）针对该卷积神经网络中的卷积层，最大池化层，平均池化层，批量归一化层，Softmax层，损失函数等层使用Open

4、CL语言对其并行加速，在使用NVIDIA的图形显示卡GTX1080条件下，使得YOLO的训练过程相比IntelCPU训练过程获得了大约141倍加速比，测试过程相比于IntelCPU获得了大约114倍加速比。（2）针对YOLO算法最耗时的卷积层部分，本文提出一种基于GPU的高速矩阵乘法对卷积层进行加速。该方法使用矩阵分块，合并访存，每个线程计算多个输出元素等优化方法。在使用NVIDIA的图形卡GTX1080条件下矩阵乘法相比于YOLO原始的矩阵乘法获得了大约4倍的加速比。（3）根据OpenCL语言易于在不同类型设备移植的特点，本文分别在众核处理器(ManyIntegrated

5、Core,MIC)，现场可编程门阵列(Field－ProgrammableGateArray,FPGA)上对算法进行修改测试，并针对FPGA的架构特点及其资源利用情况，对卷积层中的矩阵乘法进行修改，使其在最高的资源利用率的情况下发挥出最高性能，在使用IntelFPGADE5-Net的条件下，单张图像的测试过程耗时约为1.9s。本论文工作得到了国家自然科学基金(No.61571342)的资助。关键词：卷积神经网络，目标检测，OpenCL，YOLO，FPGAIABSTRACTABSTRACTObjectdetectionhasawiderangeofapplicationsin

6、variousfieldsoflifeandisanimportantdirectionofcomputervision.Itaimstodeterminewhethertherearesingleormultipleobjectsofinterestinanimageorvideo,andtodeterminethecategoryandlocationoftheobject.Theaccuracyofthedetectionofthetraditionalobjectdetectionalgorithmislimitedbythefeatureextractionand

7、thepositioningerror.Theobjectdetectionalgorithmbasedonthedeeplearningframeworkintegratesthefeatureextractionwiththeobjectrecognitionandlocalization.Sotheobjectdetectionalgorithmbasedondeeplearningframeworkgraduallyoccupiesthemarket.WeuseOpenCLlanguagetospeedup