基于Ultra96和DPU的人脸检测应用：SEU-Xilinx暑期学校项目

"2019年SEU-Xilinx国际暑期学校团队项目设计文档_第19组1" 这篇文档是2019年东南大学（SEU）与Xilinx合作举办的国际暑期学校的一个项目设计报告，由刘泽世、侯兴中和石正源三位同学共同完成。项目主题为“基于Ultra96和DPU的人脸检测应用”，旨在利用FPGA（Field-Programmable Gate Array）的灵活性和DPU（Deep Processing Unit）的高效能，实现人工智能在人脸识别领域的应用。 项目分工明确，组长刘泽世负责应用开发和性能测试，侯兴中专注于深度学习模型的压缩和定点，以及Vivado硬件平台的搭建，石正源则负责PetaLinux系统的生成，包括镜像和Sysroot环境的配置。 设计概述提到，随着FPGA技术的进步，其在人工智能领域中的应用日益成熟，特别是在DPU的帮助下，FPGA可以支持高效的人工智能运算。由于人工智能在多个行业中的广泛应用，FPGA+AI的结合成为趋势。本项目通过DPUIntegrationLab，学习了如何在Ultra96开发板上实现人脸检测功能，涵盖了Vivado和PetaLinux的使用，以及DPU对Caffe模型的压缩定点操作。最终，团队成功生成可在FPGA上运行的人脸检测程序，以实现高实时性的应用。 实现的人脸检测功能具有高度的可移植性，可以被集成到各种系统，如考勤系统、面部支付系统等。此外，通过更换深度学习模型，可以扩展到其他应用，例如车辆识别，这在监控或自动驾驶汽车中都有潜在价值。项目中使用的设备包括显示器、Ultra96开发板、摄像头和SD卡。 这个项目的详细设计部分（未完全提供）很可能包含了DPU的硬件平台搭建步骤，软件开发流程，模型压缩的具体方法，以及在 Ultra96 上部署和验证的过程。这部分内容会深入探讨如何将深度学习模型转化为能够在FPGA硬件上运行的代码，以及如何优化性能以满足实时性需求。 这个项目展示了FPGA和DPU在实现人工智能应用中的潜力，同时也体现了团队成员在深度学习、FPGA设计、嵌入式系统等方面的综合技能。