基于FPGA实现的卷积神经网络特征解码系统

发明专利有效专利

申请号：
CN202010665131.7
IPC分类号：G06N3/04;G06N3/063;G06N3/08;G06F15/78
申请日期：
2020-07-10
申请人：
逢亿科技（上海）有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于FPGA实现的卷积神经网络特征解码系统
申请号	CN202010665131.7	申请日期	2020-07-10
法律状态	实质审查	申报国家	中国
公开/公告日	2020-10-30	公开/公告号	CN111860781A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;6;3;;;G;0;6;N;3;/;0;8;;;G;0;6;F;1;5;/;7;8查看分类表>
申请人	逢亿科技（上海）有限公司	申请人地址	上海市长宁区天山路600弄4号13D室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	逢亿科技（上海）有限公司	当前权利人	逢亿科技（上海）有限公司
发明人	张子义;翁荣建;荣义然;杨付收
代理机构	上海浙晟知识产权代理事务所（普通合伙）	代理人	杨小双

摘要

本发明涉及到计算机视觉技术领域，尤其涉及到一种基于FPGA实现的卷积神经网络特征解码系统。该系统将CNN网络的特征解码模块也放到FPGA内部进行加速，解决FPGA加速方案中遇到的特征提取和特征解码速率不匹配的问题，所有功能都在FPGA中实现，也就是说加速效果完全取决于FPGA的性能，只要将两个部分的功能实现完全的流水化设计，就能达到FPGA加速效果的最大化。同时因为特征提取的结果不需要再经过DDR缓存，直接在片内进行处理，也降低了CNN网络处理的时延，甚至可以完全脱离处理器实现CNN网络的加速，达到芯片级别的计算加速效果。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供