[发明专利]用于目标识别的神经网络终端运行方法和装置

权利要求书

1.一种用于目标识别的神经网络终端运行方法，其特征在于，包括：

获取已经训练好的深度卷积神经网络模型；

将所述深度卷积神经网络的模型参数存储进外部存储器DDR，其中，所述模型参数包括全连接层参数和经过预处理的卷积层参数；

将所述深度卷积神经网络的模型架构存储进系统级芯片FPGA，其中，所述模型架构中的卷积层分配入编程逻辑模块PL，所述模型架构中的池化层、全连接层和激活层分配入控制单元模块PS；

采用所述深度卷积神经网络模型对目标图像进行处理，识别所述目标；

其中，所述预处理为：在对所述深度卷积神经网络模型进行移植前，对原卷积层参数进行2DFFT计算；

采用所述深度卷积神经网络模型对所述目标图像进行处理，识别所述目标，包括：提取所述卷积层参数到所述PL，根据所述卷积层和所述目标图像，在所述PL中进行卷积层计算，得到所述目标图像的特征数据；提取全连接层参数到所述PS，根据所述池化层、所述全连接层、所述激活层和所述特征数据，在所述PS中进行计算，得到并输出所述目标的识别结果。

2.根据权利要求1所述的方法，其特征在于，提取所述卷积层参数到所述PL，根据所述卷积层和所述目标图像，在所述PL中进行卷积层计算，得到所述目标图像的特征数据，包括：

设计卷积层计算模块，所述卷积层计算模块用于进行卷积核计算，其中，所述卷积层有多个，所述目标图像每一个卷积层中有多个卷积核，所述卷积层计算模块有多个；

根据所述PL，分配不同的卷积层计算模块进行并行计算；

根据所述目标图像和多个卷积层计算模块，得到所述目标图像的特征数据。

3.根据权利要求2所述的方法，其特征在于，设计卷积层计算模块，包括：

采用二维快速傅里叶变换2DFFT对所述目标图像进行计算，获取所述目标图像的频域图像数据；

将所述频域图像数据与所述卷积层参数进行复数乘法计算；

采用二维快速傅里叶逆变换2DIFFT对复数乘法计算后的数据进行处理，并对处理后的结果进行实部提取，并输出。

4.根据权利要求3所述的方法，其特征在于，

采用2DFFT对所述目标图像进行计算，包括：

针对原图图像IMG(x,y)，依次选取各行中数据做1DFFT处理：

针对上一步计算结果，依次选取各列中数据再做1DFFT处理:

采用2DIFFT对复数乘法计算后的数据进行处理，包括：

对复数乘法计算后的数据IMG_K(x,y)依次选取各行中数据做1DIFFT处理:

针对上一步计算结果，依次选取各列中数据再做1DIFFT处理:

其中，K₁、P₁、K₂、P₂均为频域变换后参数；M为所述目标图像中像素的行数，N为所述目标图像中像素的列数。

5.根据权利要求2所述的方法，其特征在于，在所述PL中每进行完一次卷积层计算模块的计算，均通过中断系统通知所述PS进行下一次计算的调度。

6.根据权利要求2所述的方法，其特征在于，第一卷积层参数精度为INT32，第二卷积层参数精度为INT16，第三卷积层参数精度为INT8，第四卷积层及其他卷积层参数精度均为INT4。

7.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到6所述的任意一项的用于目标识别的神经网络终端运行方法。