基于动态可重构结构的卷积数据复用优化设计

宋佳; 蒋林; 朱育琳; 朱家扬

doi:10.13873/J.1000-9787(2024)06-0105-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于动态可重构结构的卷积数据复用优化设计

设计与制造 | 更新时间：2025-09-11

- 基于动态可重构结构的卷积数据复用优化设计
- 暂无标题
- 传感器与微系统 2024年第6期页码：105-108
- 作者机构：
  
  西安科技大学电气与控制工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金重点资助项目(61834005/F0402)
- DOI：10.13873/J.1000-9787(2024)06-0105-04
  中图分类号： TN791;TP183
- 纸质出版：2024
- 稿件说明：
移动端阅览
宋佳, 蒋林, 朱育琳, 等. 基于动态可重构结构的卷积数据复用优化设计[J]. 传感器与微系统, 2024,(6):105-108.
宋佳, 蒋林, 朱育琳, 等. 基于动态可重构结构的卷积数据复用优化设计[J]. 传感器与微系统, 2024,(6):105-108. DOI： 10.13873/J.1000-9787(2024)06-0105-04.

DOI：

摘要

针对卷积神经网络(CNN)计算效率低、速度慢、硬件资源消耗大等问题，提出了基于动态可重构结构的卷积数据复用优化设计方案。利用可重构阵列邻接互连寄存器实现输入特征图数据和权值数据的复用，提高内存访问效率，采用层间多通道并行计算对神经网络卷积运算进行加速。经在AlexNet上测试，论文提出的数据复用策略使得卷积运算乘累加操作最高可减少44.05%。在Zynq—7000开发板上实现本文提出的优化方案。结果表明：相比于现有的基于现场可编程门阵列(FPGA)实现AlexNet的计算，本实验LUTs资源消耗减少12.86%、FF资源消耗减少约97.5%、DSP资源消耗减少约66.7%。

Abstract

关键词

Keywords

references

Yang Mingxue,Peng Lujie,Liu Li,Wang Yujiang,Zhang Zhenyuan,Yuan Zhengxi,Zhou Jun.LCSED: A low complexity CNN based SED model for IoT devices[J].Neurocomputing,2022.

Azarmi Gilan Ali,Emad Mohammad,Alizadeh Bijan.FPGA-Based Implementation of a Real-Time Object Recognition System Using Convolutional Neural Network[J].IEEE Transactions on Circuits and Systems II: Express Briefs,2020.

张铭飞,高国伟,胡敬芳,宋钰.基于卷积神经网络的遥感图像水体提取[J].传感器与微系统,2022(01).

刘帅,蒋林,李远成,山蕊,朱育琳,王欣.基于阵列处理器的最小均方误差检测算法并行设计与实现[J].计算机应用,2022(05).

Shan Rui,Jiang Lin,Deng Junyong,Cui Pengfei,Zhang Yuting,Wu Haoyue,Xie Xiaoyan.Parallel design of convolutional neural networks for remote sensing images object recognition based on data-driven array processor[J].The Journal of China Universities of Posts and Telecommunications,2020(06).

谢超,朱泓宇.基于深度卷积神经网络的图像超分辨率重建方法[J].传感器与微系统,2020(09).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

可重构结构下卷积神经网络加速研究与设计

基于改进ResNet18模型的驾驶员面部表情识别方法

基于Res-DCGAN和改进AlexNet的稻谷病害识别方法

基于深度学习的散斑图应变场测量

基于KPCA-CNN-GRU的陶瓷辊道窑温度预测