<div>
	基于FPGA的卷积神经网络图像识别算法研究
</div>

全文: PDF(0 KB)
输出: BibTeX | EndNote (RIS)

摘要

目前在中央处理器(CPU) 中，卷积神经网络存在速度慢、功耗高的缺点，针对深度学习中的卷积神经网络所需计

算时间长、消耗资源多、卷积运算量大的问题，提出了使用现场可编程门阵列(FPGA) 硬件平台对卷积神经网络图像识别系统

进行加速，对卷积神经网络的进行算法改进和加速。设计了卷积层并行计算的流水线模块和池化层改进模块，还通过数据量

化的方式减少FPGA资源耗费。最后，使用MINST数据集对算法进行评估，在Zynq7010和CPU上进行验证。实验结果表明，

设计的方法资源占用率低，识别速度快，适合实际领域使用。

关键词 ：

卷积神经网络, 现场可编程门阵列, 图像识别, 并行加速, 定点数量化

年卷期日期: 2023-02-10 出版日期: 2023-07-04

引用本文:

贾亮徐善博邢轶博.

基于FPGA的卷积神经网络图像识别算法研究

[J]. 电脑与电信, 2022, 1(12): 58-.
JIA Liang XU Shan-Bo XING Yi-Bo.

Research on Convolutional Neural Network Image Recognition Algorithm Based on FPGA

. Computer & Telecommunication, 2022, 1(12): 58-.

链接本文:

[1]	黄荣跃　陈岳龙　蔡政楠　陈荣　罗旭　范子琦. 基于机器视觉的地下停车场车位检测与路径规划研究[J]. 电脑与电信, 2024, 1(5): 10-.
[2]	王鹏程苏一水王茂发. 基于神经网络的面包智能溯源系统 [J]. 电脑与电信, 2022, 1(5): 19-.
[3]	郭昭烽谢玲庄一帆. 一种智能导盲杖系统的设计 [J]. 电脑与电信, 2022, 1(3): 1-4.
[4]	张宝燕. 基于深度卷积网络的地理图像分类研究 [J]. 电脑与电信, 2021, 0(10): 75-79.
[5]	黄学沛, 张燕, 项炬, 张佳峰, 汤岚钦. 基于云架构的自适应聚类图像识别技术的研究与实现[J]. 电脑与电信, 2016, 1(5): 30-32.
[6]	宋　沛 ;罗　琼 . 基于VHDL的简易CPU的设计和实现[J]. , 2010, 1(08): 0-0.