[发明专利]一种实现卷积计算的焦平面探测器读出电路

说明书

本发明公开了一种实现卷积计算的焦平面探测器读出电路，其特点在于利用光敏元所对应的积分电容取不同的电容值并结合和差电路的输入电阻实现卷积核的权重，根据卷积核定义将相应像素积分电容的积分电压利用和差电路实现求和，则和差电路输出值为像素值与卷积核权重的乘加运算，从而实现了图像的卷积运算。在此方案中，积分电容即是感应器件的一部分，也是实现计算功能的器件，是实现感算一体的元件，该方案与将积分信号数字化后再进行数字的乘加运算相比，具有更快的运算速度和极低的计算功耗开销，从而提高神经网络电路的能效。

技术领域

本发明涉及智能焦平面探测器的读出电路设计方法，具体是一种实现卷积计算的焦平面探测器读出电路，它实现所探测图像的卷积运算，适合基于深度学习的人工智能算法在焦平面探测器内的部署，可以达到更高的能效。

背景技术

基于神经网络的深度学习算法由于其在众多领域取得了很好的应用效果，目前已成为人工智能的主流算法，图像处理是其重要的应用领域，已在图像分类与定位、人脸识别等方面被广泛采用。在云端主要进行的是神经网络训练工作及推理工作，而边缘设备的部署主要是利用训练好的网络进行推理。由于边缘测设备多为嵌入式系统，因而能耗就成为能否成功部署的一个重要因素，为达到较高的能效，网络压缩等算法以及硬件加速等方法被广发采用。

焦平面探测器作为重要的成像传感器，将神经网络部署于焦平面读出电路当中，从而实现探测器智能化，可极大的拓展其应用范围，目前适用于图像处理的主要是卷积神经网络，该网络由多层的卷积层、池化层及后续输出层组成，尤其是输入层的卷积运算量最大，片内集成神经网络如采用传统方案，则需要首先将每个光敏元信号进行数字化，然后进行卷积运算，卷积运算需要占用大量计算资源。

感算一体是提高能效的重要方法，焦平面读出电路中信号的读出均是采用积分电容将信号电荷转换为电压信号，因而其作为“感”的组成部分，同时电压与信号的对应关系由积分电容的决定，因而通过电容值可实现信号的乘法计算，因而可将其作为实现感算一体的器件，在几乎不增加额外时延及功耗的情况实现信号的与卷积核的乘法计算。和差电路中输入电阻也会影响卷积运算的权值，可进一步结合网络压缩及网络参数的量化实现神经网络的低功耗运行。

发明内容

针对传统的光敏元信号数字化后进计算的方案存在的运算量及电路功率消耗大的问题，本发明的目的在于提供一种利用读出电路积分电容作为实现卷积运算的器件的读出电路设计，在不显著增加额外运算的情况下实现图像信号的卷积运算，从而提高神经网络部署的能效，以达到神经网络低功耗部署的目标。