公开(公告)号：CN108470190B

公开(公告)日：2019-01-29

申请号：CN201810193174.2

申请日：2018-03-09

Applicant: 北京大学

Inventor： 任全胜 ,  赵君伟 ,  肖国文 ,  周一 ,  何娴

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公布了一种基于FPGA定制脉冲神经网络的图像识别方法，通过在FPGA平台定制化卷积脉冲神经网络来进行图像识别；卷积脉冲神经网络包括卷积层、降采样层、全连接层和分类层；图像识别方法包括：产生脉冲序列、卷积运算、降采样、全连接和分类识别过程；具体实现采用的开发平台为Xilinx FPGA开发板Virtex‑7，采用的开发软件为Vivado，编程语言为Verilog。本发明可以识别数值神经网络无法识别的脉冲序列信息，在高速场景下具有识别速度更快、准确率更高、功耗更低的优势。

公开(公告)号：CN108470190A

公开(公告)日：2018-08-31

申请号：CN201810193174.2

申请日：2018-03-09

Applicant: 北京大学

Inventor： 任全胜 ,  赵君伟 ,  肖国文 ,  周一 ,  何娴

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6296 ,  G06N3/0454 ,  G06N3/049

Abstract: 本发明公布了一种基于FPGA定制脉冲神经网络的图像识别方法，通过在FPGA平台定制化卷积脉冲神经网络来进行图像识别；卷积脉冲神经网络包括卷积层、降采样层、全连接层和分类层；图像识别方法包括：产生脉冲序列、卷积运算、降采样、全连接和分类识别过程；具体实现采用的开发平台为Xilinx FPGA开发板Virtex-7，采用的开发软件为Vivado，编程语言为Verilog。本发明可以识别数值神经网络无法识别的脉冲序列信息，在高速场景下具有识别速度更快、准确率更高、功耗更低的优势。