文献类型：期刊文章

作　　者：张强[1] 孙静[1] 王威廉[1] 康立富[2]

ZHANG Qiang;SUN Jing;WANG Wei-lian;KANG Li-fu(School of Information Science and Technology,Yunnan University,Kunming 650500,China;School of Data Science and Engineering,Yunnan Normal University Business School,Kunming 651701,China)

机构地区：[1]云南大学信息学院,云南昆明650500 [2]云南师范大学商学院数据科学与工程学院,云南昆明651701

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(61261008);云南省重大科技专项基金项目(2018ZF017)。

年　　份：2020

卷　　号：41

期　　号：6

起止页码：1581-1585

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：针对CNN算法计算量大、运算耗时长、对PC资源依赖程度高的缺点,提出一种基于Vivado高层次综合硬件加速CNN实时图像处理的方法。将训练好的CNN模型中各参数提取并导入Vivado HLS中,利用C++语言按照Vivado HLS处理规范编写CNN识别算法,实现由FPGA的逻辑资源生成CNN算法对应的RTL级硬件电路,通过Vivado HLS仿真窗口进行CNN识别算法的测试,评估硬件加速CNN算法实时图像处理的效果。实验结果表明,该方法识别MNIST库中10000例手写体样本仅需8.69 s,PC端识别相同样本的时间为30 s,该方法有利于实时图像处理算法向硬件化高性能处理平台ZynqSOC移植。

关 键 词：图像处理  Vivado高层次综合  卷积神经网络 硬件加速 Zynq片上系统  

分 类 号：TP391.4]