.png){kind=icon}
返回
An Energy-Efficient Block-Based Nonmaximum Suppression Engine for High-Parallel Postprocessing of Visual Object Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TVLSI.2025.3559389.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
如今，视觉目标检测（VOD）被广泛应用于许多AI应用中，例如自动驾驶、智能机器人和智能监控。作为VOD中的一项关键后处理步骤，非极大值抑制（NMS）被用于生成作为检测结果的边界框。然而，NMS难以并行化且计算密集，导致处理延迟和能耗较高。为解决此问题，本文提出了一种基于块的高能效NMS引擎，该引擎结合了算法级和硬件级的设计技术，以提升处理速度和能效。这些技术包括块-NMS方案、自适应混合排序架构（AHSA）以及可重构流水线式块-NMS计算架构。所提出的引擎采用28-nm CMOS工艺实现。与现有先进设计相比，它实现了最高的性能（237.97 GOPS）和能效（8.71 TOPS/W），同时提供与原始NMS完全等效的结果。
Keyword:
Energy-efficiency
high parallel processing
nonmaximum suppression (NMS)
visual object detection (VOD)
期刊
I
IF:
3.1
论文数:
487
被引数:
7.3K
机构
引用论文
.png){kind=icon}
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏
分享收藏
查看更多内容