应用于Zynq的实时神经网络加速识别系统

本发明公开了一种应用于zynq的实时神经网络加速识别系统，涉及数字图像处理领域，包括改进LeNet‑5卷积神经网络，训练改进后的LeNet‑5卷积神经网络，权重数据的量化，设计FPGA中卷积神经网络基本组件加速器，搭建摄像头显示系统，加速器与显示系统整合后，通过zynq FPGA实现实时神经网络加速识别系统。本发明通过改进LeNet‑5卷积神经网络，精简了权重的数量，并对权重进行量化，增加计算效率，更易于在硬件结构中部署，降低了在FPGA中部署卷积神经网络的资源利用率，提高了神经网络识别速度，为图像识别加速器探索出低功耗、低成本和高性能的解决方案，有利于图像识别加速器在嵌入式系统领域的应用。
上海大学
刘成 | 鞠珺蕾