합성곱 신경망 기반 객체 탐지 알고리즘은 빠르게 발전하고 있으며, 계산 복잡도가 증가함에 따라 장치의 성능 및 전력 소비 요구가 점점 높아지고 있습니다. 객체 탐지 알고리즘을 임베디드 장치에 배포할 수 있도록, 본 논문에서는 소프트웨어와 하드웨어의 협동 설계 방법을 사용하여 FPGA를 활용한 알고리즘 하드웨어 가속을 통해 ZYNQ 플랫폼에서 Yolo v3-SPP 객체 탐지 시스템을 제안합니다. 본 논문에서는 해당 시스템을 XCZU15EG 칩에 배포하고, 시스템에 필요한 전력 소비, 하드웨어 자원 및 성능을 분석하였습니다. 먼저 배포할 네트워크 모델을 최적화하고, Pascal VOC 2007 데이터셋으로 학습한 후, 최종적으로 Vitis AI 도구를 사용하여 학습된 모델을 양자화하고 컴파일하여 ZYNQ 단에 적합하게 배포하였습니다. 최적의 구성 방안을 선택하기 위해 각 구성별 하드웨어 자원 및 시스템 성능에 미치는 영향을 탐구하였으며, 시스템 소비 전력(W), 탐지 속도(FPS), 각 클래스 평균 정확도 평균값(mAP), 출력 오류 등 측면에서 시스템을 분석하였습니다. 결과는 300 M 클럭 주파수에서 입력 이미지 크기가 (416, 416)일 때 Yolo V3-SPP와 Yolo V3-Tiny 네트워크 구조에 대해 탐지 속도가 각각 38.44 FPS와 177 FPS이고, mAP는 각각 80.35%와 68.55%, 칩 온 보드 전력 소비량은 21.583 W, 보드 전체 전력 소비량은 23.02 W임을 보여줍니다. 이는 임베디드 장치에 신경망 모델을 배포하기 위한 저전력, 실시간성, 높은 탐지 정확성 등의 요구 사항을 충족합니다.

객체 탐지;하드웨어 가속;Zynq;Yolo v3-SPP;Yolo v3-Tiny