文献类型：期刊文章

作　　者：李炳辰[1] 黄鲁[1]

LI Bing-chen;HUANG Lu(School of Microelectronics, University of Science and Technology of China,Hefei 230026, China)

机构地区：[1]中国科学技术大学微电子学院

出　　处：《微电子学与计算机》

基　　金：国家自然基金面上项目(61874102)

年　　份：2019

卷　　号：36

期　　号：9

起止页码：7-11

语　　种：中文

收录情况：BDHX、BDHX2017、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：卷积神经网络是深度学习的一种重要模型,广泛应用于图像处理等领域.常用的神经网络模型因结构复杂,参数众多,不适于放在移动端运行.本文基于模块化和硬件复用的思想,给出了一种基于FPGA的手写数字字符识别网络的硬件实现,基于MobileNet的原理改进结构,在实现了算法硬件加速的同时,有效地降低了网络的参数数量和整体运算量.基于MNIST数据集的实验结果表明,对比传统结构的神经网络,改进结构的参数量减少了23.26%,计算量减少了31.32%,在保持速度不变的前提下,用更少的资源和更低的功耗实现了整个网络.

关 键 词：FPGA 卷积神经网络 硬件加速 MobileNet  移动端  

分 类 号：TP183TP183]