​NOTES：现如今，芯片行业无比火热啊，无论是前景还是钱景，国家芯片战略的发布，公司四五十万的年薪，着实令人非常的向往，为了支持芯片设计者，集成了工作、科研、竞赛于一体的《基于 SoC 的卷积神经网络车牌识别系统设计》专栏项目，这是在一位海归教授的带领之下的整个团队辛勤耕耘的结晶，希望大家能够在理论结合实践的指导之下，不断地提高自己的数字芯片设计技术能力。

1、项目引言

  • 工作求职：能够在简历上添加一笔较大的项目，集成了 AI、SoC、系统级、FPGA、ARM 以及 Verilog、C、Python 等等的较为热门的芯片设计元素，从而找到了较好的（2021年能够达到 30W+、40W+ 的薪资水平）工作，具体个人与公司就不列出来了，免得被冠以打广告的嫌疑，这些公司的共同特点就是面向 AI 芯片、SoC 设计的大公司~

  • 科研项目：科研项目的话，可以提升你的工程能力，毕竟科研需要的还是部分的创新，本次的项目提供了只是一个实现的平台~

  • 集创竞赛：这个也是非常有帮助的，因为每一年的题目其实都差不多，这个专栏能够让你在起点领先其它的队伍一大半，不过后面都是靠你们自己的努力的~

2、项目一览

​ 基于 SoC 的卷积神经网络车牌识别系统设计
​ 卷积神经网络硬件加速 IP 设计（AI 芯片设计）
​ 个人总结的时钟设计
​ 基于 SoC 的卷积神经网络车牌识别系统设计的时钟域划分
​ 卷积层 IP 设计的状态机（AI 芯片）
​ 全连接层 IP 设计的矩阵分块策略
​ 部分 Verilog HDL 代码
​
部分 Python 代码
​ 部分交叉编译的脚本
​ 基于卷积神经网络的车牌识别系统的测试集
​ 基于卷积神经网络的车牌识别系统的模型参数
​ 基于卷积神经网络车牌识别系统的硬件加速 IP 设计（AI 芯片）
成功生成比特流​ 
成功上板测试​ 

3、项目资料

  • 关注“新芯设计”公众号，回复“关键词”即可获取网盘链接，密码统一为：UICD（Unique IC Design）
  • 每一篇文章都会贴上源代码的，理论结合实践
  • 每一个工程都可成功上板测试，设计结合验证
  • 如有问题，欢迎私信，可加 qq 群 801033376

基于 SoC 的卷积神经网络车牌识别系统设计（0）摘要的更多相关文章

  1. 基于 SoC 的卷积神经网络车牌识别系统设计（1）概述

    NOTES: 这是第三届全国大学生集成电路创新创业大赛 - Arm 杯 - 片上系统设计挑战赛(本人指导的一个比赛).主要划分为以下的 Top5 重点.难点.亮点.热点以及创新点:1.通过 Arm C ...

  2. 基于Python的卷积神经网络和特征提取

    基于Python的卷积神经网络和特征提取 用户1737318发表于人工智能头条订阅 224 在这篇文章中: Lasagne 和 nolearn 加载MNIST数据集 ConvNet体系结构与训练 预测 ...

  3. 深度学习基础-基于Numpy的卷积神经网络（CNN）实现

    本文是深度学习入门: 基于Python的实现.神经网络与深度学习(NNDL)以及动手学深度学习的读书笔记.本文将介绍基于Numpy的卷积神经网络(Convolutional Networks,CNN) ...

  4. visualization of filters keras 基于Keras的卷积神经网络（CNN）可视化

    https://adeshpande3.github.io/adeshpande3.github.io/ https://blog.csdn.net/weiwei9363/article/detail ...

  5. cnn 卷积神经网络 人脸识别

    卷积网络博大精深,不同的网络模型,跑出来的结果是不一样,在不知道使用什么网络的情况下跑自己的数据集时,我建议最好去参考基于cnn的手写数字识别网络构建,在其基础上进行改进,对于一般测试数据集有很大的帮 ...

  6. 卷积神经网络CNN识别MNIST数据集

    这次我们将建立一个卷积神经网络,它可以把MNIST手写字符的识别准确率提升到99%,读者可能需要一些卷积神经网络的基础知识才能更好的理解本节的内容. 程序的开头是导入TensorFlow: impor ...

  7. 使用Python基于HyperLPR/Mask-RCNN的中文车牌识别

    基于HyperLPR的中文车牌识别 Bolg:https://blog.csdn.net/lsy17096535/article/details/78648170 https://www.jiansh ...

  8. 如何用卷积神经网络CNN识别手写数字集？

    前几天用CNN识别手写数字集,后来看到kaggle上有一个比赛是识别手写数字集的,已经进行了一年多了,目前有1179个有效提交,最高的是100%,我做了一下,用keras做的,一开始用最简单的MLP, ...

  9. 基于cifar10实现卷积神经网络图像识别

    import tensorflow as tf import numpy as np import math import time import cifar10 import cifar10_inp ...

随机推荐

  1. UOJ #228 - 基础数据结构练习题（势能线段树+复杂度分析）

    题面传送门 神仙题. 乍一看和经典题 花神游历各国有一点像,只不过多了一个区间加操作.不过多了这个区间加操作就无法再像花神游历各国那样暴力开根直到最小值为 \(1\) 为止的做法了,稍微感性理解一下即 ...

  2. 【宏蛋白组】iMetaLab平台分析肠道宏蛋白质组数据

    目录 一.iMetaLab简介 二.内置工具与模块 1. Data Processing module 2. Functional Analysis 3. R Developing environme ...

  3. EXCEl-数据透视表按照自定义序列排序

    用着感觉挺神奇,也有点奇怪,可能不是很懂里边的原理吧.最后,需要排序的列,应该在数据透视表首列才有效. 参考:https://jingyan.baidu.com/article/bea41d43a53 ...

  4. deque、queue和stack深度探索（下）

    deque如何模拟连续空间?通过源码可以看到这个模型就是通过迭代器来完成. 迭代器通过重载操作符+,-,++,--,*和->来实现deque连续的假象,如上图中的 finish-start ,它 ...

  5. 链式栈——Java实现

    1 package struct; 2 3 //接口 4 interface ILinkStack{ 5 //栈中元素个数(栈大小) 6 int size(); 7 //取栈顶元素 8 Object ...

  6. Output of C++ Program | Set 2

    Predict the output of below C++ programs. Question 1 1 #include<iostream> 2 using namespace st ...

  7. 应用层协议——DHCP

    常见协议分层 网洛层协议:包括:IP协议.ICMP协议.ARP协议.RARP协议. 传输层协议:TCP协议.UDP协议. 应用层协议:FTP.Telnet.SMTP.HTTP.RIP.NFS.DNS ...

  8. 看看线程特有对象ThreadLocal

    作用:设计线程安全的一种技术. 在使用多线程的时候,如果多个线程要共享一个非线程安全的对象,常用的手段是借助锁来实现线程的安全.线程安全隐患的前提是多线程共享一个不安全的对象 ,那么有没有办法让线程之 ...

  9. 1945-祖安say hello-string

    1 #include<bits/stdc++.h> 2 char str[100][40]; 3 char s[1005]; 4 5 int remark[2000][2] = { 0 } ...

  10. 【C/C++】指针，传参，引用的一些个人理解。

    (以下均为个人理解) 函数访问的传参两种方式大致为: 值传递: 地址传递. 但是实际上可以都理解为,传进来的[形参]是主函数里的实参值的[一种复制]. 举个例子,哪怕我们将地址作为子函数的输入变量,形 ...