计算机工程与科学

作者：李珍琪, 王强, 齐星云, 赖明澈, 赵言亢, 陆亿行, 黎渊

单位：国防科技大学计算机学院，湖南 长沙 410073

关键词：卷积神经网络,FPGA加速,加速器,便携设备,

近年来，卷积神经网络CNN在计算机视觉等领域取得了显著的成效。然而，通常CNN的网络结构复杂，计算量庞大，难以在计算资源和功耗受限的便携式设备上实现。而FPGA具有较高的并行度、能效比和可重构性，已成为在便携式设备上加速CNN推理最有效的计算平台之一。设计了一种可配置为不同网络结构的卷积神经网络加速器，并从数据复用、基于行缓存的流水线优化和基于加法树的低延迟卷积技术3个方面对加速器的延迟和功耗进行了优化。以轻量化神经网络YOLOv2-tiny为例，在领航者ZYNQ-7020开发板上构建了一个实时目标检测系统。实验结果表明，整个设计的资源消耗占用为88%，功耗消耗为2.959 W，满足便携设备低硬件消耗及低功耗设计要求，在416×256的图像分辨率下，实现了3.91 fps的检测速度。

来源：2025年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第4期