这是一种深度卷积神经网络设计，专门用于从公开的向公众开放的胸片图像中检测COvID19病例我们还描述了用于训练COVID。

需要针对证件检测任务，专门设计一个更加轻量的卷积神经网络来提取糅合特征设计原则1更多的数据轻量的浅层网络特征提。

卷积神经网络，简称CNN，常用于视觉图像分析的深度学习的人工神经网络形象地来说，这些网络结构就是由生物的神经元抽象拟合。

设计了一种基于 FPGA 的卷积神经网络加速器采用硬件电路实现方式，充分利用 FPGA 内部逻辑资源，引入多级流水线并行处理技。

主题是深度卷积神经网络模型设计技术，后面还有三个主题，精度更高的卷积模型结构设计技术，效率更高的卷积模型结构。

摘 要 针对卷积神经网络CNN在通用CPU以及GPU平台上推断速度慢功耗大的问题，采用FPGA平台设计了并行化的卷积神经。

但是，关于如何才能设计出最优的卷积神经网络架构这个问题仍在处于探索阶段其中一大部分原因是因为当前那些取得成功的神经网。

从这个意义上说，本研究的目的是设计一个基于深度学习的计算模型，使用卷积神经网络convolutional neural network，CNN参数化。

例如通过削减某些层增加某些层在网络内部使用扩张卷积，或者不同的网络训练技巧这篇文章可以作为一个设计指南，为特定的。