实时处理平台的硬件加速器用于合成孔径雷达目标检测任务
Yue Zhang1, Yunshan Tang2, Yue Cao1
1Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China.
Micromachines
|March 6, 2025
概括
一个新型的低功耗加速器可以在空中平台上使用深度学习在合成孔径雷达 (SAR) 图像中实时检测物体. 这解决了电力限制,实现了有效的目标识别,以加强监控.
科学领域:
- 人工智能的人工智能
- 计算机工程 计算机工程
- 遥感 遥感 遥感 遥感
背景情况:
- 深度学习对象检测算法对于合成孔径雷达 (SAR) 图像分析至关重要.
- 实时监控需要在平台上处理SAR数据,但当前的GPU解决方案超过了空中/卫星应用的功率预算.
研究的目的:
- 设计一种低功耗,低延迟的加速器,用于基于深度学习的SAR对象检测.
- 为了在功率受限的空载和卫星SAR平台上实现实时目标检测.
主要方法:
- 开发了一种处理引擎 (PE),用于在现场可编程门数组 (FPGA) 上高效的多维卷积并行计算.
- 实现了独特的内存配置和适合FPGA的数据流模式,以优化内存访问并减少延迟.
- 在基于Virtex 7 690t芯片的加速器上部署了Yolov5s SAR物体检测算法.
主要成果:
- 加速器的动态功耗仅为7瓦.
- 实时检测能力为每秒52.19张图像,用于512×512张SAR图像.
- 实现了对卷积计算时间和整体延迟的显著减少.
结论:
- 设计的加速器有效地满足了在空载和卫星平台上实时SAR对象检测的低功率和低延迟要求.
- 这项工作使SAR图像的有效,机载分析成为可能,从而推进实时监控能力.
