高阶密码算子在FPGA的编译优化与实现

针对密码算法的不同编译需求,提出一种不同粒度密码算子抽象方法,通过对不同粒度算子的编译优化及映射来解决高阶密码算子在FPGA上快速高效部署的问题。从密码算法中抽象出热点算子来构建算子库,使用多级编译优化对密码算法进行优化与部署,并通过数据张量化以及寄存器优化方法来提升高阶密码算子在VTA硬件架构的部署及运算效率。实验结果表明,采用张量化和寄存器优化方法,执行效率较原始编译部署方法提升了32倍,较OpenCL提升约34倍,且可以根据构建的算子库对密码算法进行快速开发与实现。

基于深度学习的特种车辆跨模态检索方法

保证正在执行任务的特种车辆的道路优先通行权,是合理配置城市交通资源、实施和保证应急救援的前提。特种车辆的跨模态识别是实现智慧交通的重要核心技术,尤其是在智能车联网尚未成熟、未来长期存在无人驾驶和有人驾驶混合交通的环境中,实现无人车对正在执行任务的特种车辆进行合理避让显得尤为重要。针对无人驾驶对特种车辆识别的需求,文中构建了跨模态检索与识别网络(Cross-Modal Retrieval and Recognition Net,CMR 2Net),提出了一种基于深度学习的特种车辆跨模态检索和识别方法。CMR 2Net由两个卷积子网络和一个特征融合网络组成,卷积子网络分别用于提取特种车的图像与音频特征,在高层语义空间中利用相似性度量的方法进行特征匹配,以达到跨模态检索和识别的目的。在特种车跨模态数据集上进行的跨模态识别实验表明,所提方法对跨模态检索和识别任务具有较高的识别率,甚至在缺失一种模态的场景下也可准确识别出特种车辆。本研究对于提升“城市大脑”的性能具有重要的理论指导意义,对设计、实现和改善未来智慧交通具有较高的工程应用价值。