A.在開發(fā)板上集成ZYNQ-7020設(shè)備，包括處理系統(tǒng)PS端：雙核ARM處理器和處理邏輯PL端：FPGA 。在PS端上運行著一個Linux系統(tǒng)，系統(tǒng)實現(xiàn)的頂層是運行在Linux系統(tǒng)上的Python
B.系統(tǒng)運行時硬件部分在FPGA上運行，軟件部分則在ARM核中運行
C.軟件實現(xiàn)部分：對于已經(jīng)用C++實現(xiàn)的代碼，需先將其編譯生成共享對象庫（.so文件），Python便可以使用CFFI（Foreign Function Interface for Python）直接進(jìn)行調(diào)用
D.硬件實現(xiàn)部分：首先要在Vivado集成設(shè)計環(huán)境中選擇開發(fā)板創(chuàng)建新的工程，加入硬件部分所需IP核，在此過程中將之前在Vivado HLS中生成的IP核導(dǎo)入，IP核的連接情況如圖2所示

A.塊隨機(jī)存儲器BRAM使用率為23%
B.觸發(fā)器FF使用率為25%
C.查找表LUT使用率為94%
D.數(shù)字信號處理器DSP使用率10%

A.BNN包括5個卷積層、2個池化層和3個全連接層
B.第1、2、4、5、7、8層為卷積層，用來進(jìn)行特征提?。坏?、6層池化層對輸入的特征圖進(jìn)行壓縮，一方面使特征圖變小，簡化網(wǎng)絡(luò)計算復(fù)雜度，另一方面進(jìn)行特征壓縮，提取主要特征；最后三層全連接層則連接所有的特征，計算每類別對應(yīng)的得分
C.卷積層和池化層相連即可完成一次主要特征提取
D.根據(jù)層次功能，把每次特征提取看做一個任務(wù)，分別稱為特征提取1、特征提取2和特征提取3，再將最后3個全連接層看做一個整體，整個BNN分類器被分成了4個任務(wù)

A.圖片輸入用于從用戶端獲取要識別的標(biāo)志圖片
B.圖片預(yù)處理將輸入的圖片格式轉(zhuǎn)換成與分類器匹配的格式
C.BNN分類決策是系統(tǒng)重點部分，負(fù)責(zé)標(biāo)志的識別
D.識別結(jié)果輸出則將結(jié)果返回給用戶

A.道路交通標(biāo)志是現(xiàn)在交通重要設(shè)施，用文字或符號傳遞引導(dǎo)、限制、警告或指示信息的道路設(shè)施
B.道路交通標(biāo)志分為主標(biāo)志和輔助標(biāo)志兩大類
C.主標(biāo)志又分為警告標(biāo)志、禁令標(biāo)志、指示標(biāo)志、指路標(biāo)志、旅游區(qū)標(biāo)志和道路施工安全標(biāo)志六類
D.輔助標(biāo)志是在主標(biāo)志無法完整表達(dá)或指示其內(nèi)容時，為維護(hù)行車安全與交通暢通而設(shè)置的標(biāo)志，附設(shè)在主標(biāo)志下，起輔助說明作用