面向AI芯片的轻量级目标检测算法研究

目标检测网络层数越多、参数规模越大,其精度越高,但对于低算力的边缘端AI芯片来说,部署超大规模参数量的网络,无法达到实时性的要求。为此,文中基于YOLOv5,提出一种面向AI芯片的轻量化的YOLOv5_RepVGG目标检测算法。首先对YOLOv5的骨干网络进行改进,设计RepVGG_X模块结构,在训练时通过3×3卷积、1×1卷积和直连三种分支结构提取图像特征;在网络推理时通过结构重参数化将1×1卷积和直连与3×3卷积进行融合,最终形成一个3×3的单分支结构。然后对YOLOv5的输出层进行改进,充分利用骨干网络中6次降采样的多尺度信息,输出4种尺度的特征图。最后将设计的轻量化网络部署在国产AI芯片Hi3559AV100上并进行验证。实验结果表明,与传统YOLOv5相比,当网络精度仅下降3个点时,所提算法在AI芯片上的推理时间降到18.6 ms,速度提升近1倍,可满足日益增长的边缘场景AI计算任务实时性的要求。

一种RGMII接口电平不匹配的研究与实现

针对目前的国际形式和各方面对核心芯片的国产化需求,Hi3559AV100作为一款强大SoC芯片,具有卓越的图像处理能力,在各种视频传输和智能处理方面应用越来越广泛。然而国产PHY芯片的I/O电平推荐为2.5 V,无法直接和海思的RGMII接口对接,本文利用FPGA的BANK供电灵活性设计了Hi3559AV100+FPGA+GC88E1111的千兆以太网的设计方案,设计简单通用、灵活便利,能够满足高速数据传输的性能需求,为千兆以太网PHY芯片和其他MAC对接时接口电平不匹配问题提供了一种新的解决方案。

一种基于海思芯片的网络监控图像处理平台设计

针对目前工业现场、安防监控领域、汽车电子行业摄像采集环境搭建复杂、成本高、功能单一的现状,设计和开发了一种基于海思芯片的网络监控图像处理平台。平台设计采用NVR与DVR相结合的方式,既可以同时观看、浏览、回放、管理、存储多个网络摄像机视频流,又可以进行图像计算,具有对图像/语音和动态帧控制的功能。系统采用海思HI3559AV100+HI3531DV200双CPU的设计架构,利用HI3559AV100出色的视频处理能力,HI3531DV200优异的编解码能力,系统包含CPU基本系统、高清视频接口电路和电源电路等。该平台能够通过网络接收视频流,最高解码能力达到16路1080p30,支持2组高清异源输出。该设计经过实际工程样机验证,图像输出清晰流畅,系统运行稳定。可满足不同场景下应用要求,并且还具有操作简单、适用性广的优点。