DZJY202002009CFJDLAST2020基于FPGA加速的卷积神经网络识别系统林志文林志贤郭太良林珊玲Lin Zhiwen;Lin Zhixian;Guo Tailiang;Lin Shanling;School of Physics and Information Engineering , Fuzhou University;福州大学物理与信息工程学院针对卷积神经网络(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网络推断系统。通过运算资源重用、并行处理数据和流水线设计,并利用全连接层的稀疏性设计稀疏矩阵乘法器,大大提高运算速度,减少资源的使用。系统测试使用ORL人脸数据库,实验结果表明,在100 MHz工作频率下,模型推断性能分别是CPU的10.24倍,是GPU的3.08倍,是基准版本的1.56倍,而功率还不到2 W。最终在模型压缩了4倍的情况下,系统识别准确率为95%。卷积神经网络(CNN)FPGA人脸识别稀疏性电子技术应用202002TN791;TP183卷积:7520,神经网络识别:5801,识别准确率:1375,运算速度:1334,流水线设计:1077,并行处理:1026,稀疏矩阵:977,稀疏性:910,连接层:805,系统测试:786I;726INFO2003DZJYDZJY2020-02-06中文;I135DZJY202002QK0201;
