卷积神经网络SIP微系统实现

• 作者: 吕浩 张盛兵 王佳 刘硕 景德胜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 微系统 系统级封装(SIP) 卷积神经网络(CNN) 数字识别
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 工程与应用
• 页码范围: 216-221
• 页数: 6页
• 分类号: TP368.2
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009-0011

摘要

近年来,微电子技术进入到纳电子/集成微系统时代,SIP(System in Package)和SOC(System on Chip)是微系统实现的两种重要技术途径;基于神经网络的深度学习技术在图形图像、计算机视觉和目标识别等方面得以广泛应用.卷积神经网络的深度学习技术在嵌入式平台的小型化、微型化是一项重要研究领域.如何将神经网络轻量化和微系统相结合,达到性能、体积和功耗的最优化平衡是一难点.介绍了一款将SIP技术和基于FPGA的卷积神经网络相结合的微系统实现方案,它以Zynq SOC和FLASH、DDR3存储器为主要组成,利用SIP高密度系统封装技术进行集成,在其中的PL端(FPGA)采用HLS来设计CNN(Convolutional Neural Network,卷积神经网络)中的卷积层和池化层,生成IP核,分时复用构建微系统,设计实现了Micro_VGGNet轻量化模型.测试采用MNIST手写数字数据集作为训练和测试样本,该微系统能够实准确识别手写数字,准确率达到98.1％.体积仅为30 mm×30 mm×1.2 mm,在100 MHz工作频率下,图像处理速度可达到20.65 FPS,功耗仅为2.1 W,实现了轻量化神经网络微系统的多目标平衡(性能、体积和功耗).