一种基于神经网络特征提取的硬件加速方法及系统
技术特征：
1.一种基于神经网络特征提取的硬件加速系统，其特征在于，包括按流水线方式运行的编码卷积处理器、特征点卷积处理器、softmax&nms模块、特征图像素点选择器、选择性描述符卷积处理器、插值和归一化模块：
2.如权利要求1所述的硬件加速系统，其特征在于，所述编码卷积处理器计算得到一个输出像素特征所需的时间为m个周期，所述流水线方式包括：
3.如权利要求1所述的硬件加速系统，其特征在于，所述编码卷积处理器包含按流水线运行的中间缓存存储器、卷积模块和最大池化模块，每个所述卷积模块包含数据选择器、乒乓窗口寄存器、权重存储器和偏置寄存器、乘法器、乘积寄存器、加法数、解复用器和累积寄存器；
4.如权利要求1所述的硬件加速系统，其特征在于，所述特征图像素点选择器生成特征点所处的像素区域的过程包括：
5.如权利要求4所述的硬件加速系统，其特征在于，所述硬件加速系统还包含共享特征图缓存，用于存储所述共享特征图；
6.如权利要求1所述的硬件加速系统，其特征在于，所述softmax&nms模块包括：
7.如权利要求6所述的硬件加速系统，其特征在于，所述softmax子模块还包括最大值索引寄存器和最大值寄存器，所述最大值索引寄存器用于存储指数运算结果最大的像素点的索引，所述最大值寄存器用于存储最大的指数运算结果；
8.如权利要求6所述的硬件加速系统，其特征在于，所述nms子模块包含第一选择器、第二选择器、第二比较与控制器；
9.如权利要求6至8任一项所述的硬件加速系统，其特征在于，所述设定范围为以当前中心区域有效值所处位置为中心的矩形窗口所覆盖的区域范围，所述矩形窗口的长宽尺寸均大于子区域的长宽尺寸且均小于子区域的长宽尺寸的2倍。
10.一种基于权利要求1至9任一项所述的硬件加速系统的硬件加速方法，其特征在于，包括：
技术总结
本发明属于图像处理相关技术领域，其公开了一种基于神经网络特征提取的硬件加速方法及系统，系统包括：按流水线方式运行的编码卷积处理器、共享特征图缓存、特征点检测结构、特征图像素点选择器和描述符生成结构；编码卷积处理器对输入图像进行卷积并将输出存储至共享特征图缓存；特征点检测结构通过卷积及后处理生成特征点；特征图像素点选择器将根据特征点信息生成像素区域；描述符生成结构从共享特征图中仅读取特征点相关像素区域数据并计算描述符。端到端全硬件加速设计避免外存访问，流水线设计提高运算效率，可提前得到特征点像素区域，通过特征图像素点选择器，描述符生成结构仅对像素区域进行处理，由此可以减小资源开销，提升系统能效。
技术研发人员：王超,银泽华,刘炳强,段子昂,王继鹏,沈梓煊,肖健
受保护的技术使用者：华中科技大学
技术研发日：
技术公布日：2024/11/14
技术研发人员：王超,银泽华,刘炳强,段子昂,王继鹏,沈梓煊,肖健
技术所有人：华中科技大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除