基于Vitis-AI架构的语义分割ENET模型实现

随着人工智能(Artificial Intelligence,AI)在自动驾驶和可穿戴等复杂环境中得到广泛应用,一种高效率的语义分割模型成为神经网络模型重要的解决对象。以传统ENET网络模型为基础,提出改进ENET网络,可利用深度学习处理单元(DPU)内部的EeLU激活函数硬件模式减少参数以改进ENET网络,提高DPU的工作性能。通过搭建语义分割的Vitis-AI架构平台,完成构建量化模型和模型网络的训练学习。对比分析多种语义分割试验结果,改进ENET网络,使用更少计算资源达到最优精度,在ZCU106的硬件平台上进行部署,对改进ENET网络的性能进行分析,结果表明试验结果和仿真结果一致。