速度标志牌检测

Lattice sensAI演示示例

速度标志牌检测演示示例使用卷积神经网络(CNN)实现汽车应用。CNN可实现传统上由人工完成的任务,数据处理更加高效快捷。FPGA并行处理的特点使之成为执行神经网络的不二之选。

本演示中的卷积神经网络可以通过给未经训练的模型输入多个交通标志并使之计算权重、激活值进行训练。这将产生一个经训练的权重、激活值模型,可被ECP5 FPGA内的CNN加速器IP读取。最终,在经过标志牌时摄像头可检测并显示限速限制,建议采取相应车速。

低功耗、批量价优的ECP5为神经网络带来业内领先的功耗 vs. 性能效率。此网络边缘设计在本地实现处理,从而提高安全性。

特性

  • 采用低功耗、批量价优的ECP5实现快速限速识别的CNN
  • 为嵌入式视觉开发套件提供用于快速实现的配置文件
  • 采用基于真实限速标志牌的权重、激活值以确保高精度
  • 神经网络拥有高度可定制性,经训练可识别全球范围内的各种速度标志
  • 内部EBR块存储激活值,尽可能减少DRAM访问
  • ECP5通过AEC-Q100认证,实现汽车应用
Lattice sensAI

跳转到

视频

Speed Sign Detection Using ECP5 and CNNs

使用ECP5和卷积神经网络实现速度标志牌检测

  • 该演示可检测速度标志牌并解读其含义
  • 该推理通过嵌入式视觉开发套件中的ECP5 FPGA上的卷积神经网络实现
  • 功耗不足1W

框图

Speed Limit Detection Block Diagram

文档

快速参考
下载
标题 编号 版本 日期 格式 文件大小
选择全部
EVDK Based Speed Sign Detection Demonstration User Guide
FPGA-UG-02049 1.2 6/28/2021 PDF 1.5 MB
标题 编号 版本 日期 格式 文件大小
选择全部
EVK Based Speed Sign Detection Demonstration Bitstreams
1.1 9/25/2018 ZIP 3.2 MB