《表6 硬件加速CNN图像处理的各模块资源消耗情况》
从本方法识别MNIST数据库中10 000例手写体数据样本所消耗的时间来看,PC端利用Intel i7-8700CPU测试训练好的网络耗时30s,本次实验结果产生的8.69s耗时降低了77.7%的时长,单例样本的识别时长为0.87 ms,低于人眼舒适放松时长1/24s[14]。此外,表6所示块状RAM和FF模块占用率达到20%左右,数字信号处理器模块、显示查找表占用率达到了67%左右,而本方法在Vivado HLS中选择的芯片是Zynq 7020,所以均在Zynq 7020可编程逻辑(progarmmable logic,PL)承受范围内,较好的实现了硬件加速CNN实时图像处理。
图表编号 | XD00170293100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.16 |
作者 | 张强、孙静、王威廉、康立富 |
绘制单位 | 云南大学信息学院、云南大学信息学院、云南大学信息学院、云南师范大学商学院数据科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |