基于Xilinx KV260和卷积神经网络的自动驾驶小车
基于现场可编程门阵列的片上系统在边缘端人工智能应用中具有独特的优势.其神经网络推理加速由软核实现,可随着人工智能技术的发展更新硬件加速器而不用更换芯片方案,同时,FPGA侧也可针对具体应用定制其他专用的硬件加速核.本文使用Xilinx KV260开发板和Vitis AI工具链,在FPGA的SoC上实现硬件加速神经网络推理的基于示教学习的自动驾驶小车系统.
边缘人工智能、现场可编程门阵列、Xilinx KV260
22
TP183(自动化基础理论)
广东省科技计划项目;华南理工大学智能系统未来创新实验室项目
2022-10-20（万方平台首次上网日期，不代表论文的发表时间）
共4页
3-6
