基于异构多核平台的Caffe框架物体分类算法实现与加速

作者：谢达; 周道逵; 季振凯; 戴新宇; 武睿

来源：电子与封装, 2019, 19(05): 16-21.

DOI：10.16257/j.cnki.1681-1070.2019.0051

• Caffe框架
• ZYNQ
• 卷积神经网络
• 物体分类

随着深度学习的快速发展,神经网络和深度学习算法已经广泛应用于图像处理。基于FPGA的神经网络加速设计,搭建了以快速特征嵌入的卷积结构(Caffe)框架、卷积神经网络为核心的物体识别系统,该系统使用Zynq-7000系列异构多核架构芯片实现。完成了神经网络模型与参数的移植、多层结构的神经网络构建、计算密集度分析以及硬件加速设计。结果表明,设计的基于异构多核平台的Caffe框架物体分类系统实现了物体的识别和分类,且识别速度远超传统CPU架构的识别速度,从而为后续的深入研究提供一种新思路。

• 单位
  中国电子科技集团公司第五十八研究所