基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速方法和图像分类方法[CN202011637130.8] - 湖南师范大学

专利申请

2020-12-31
公布公告

2021-05-04
授权日期

2022-04-12
终止

2031-05-02

基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速方法和图像分类方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN202011637130.8 申请日期： 2020-12-31 专利主类别： G06N3/08 {{ classMap["G06N3/08"] }}

申请人名称：湖南师范大学

查看申请人名下所有专利

申请人地址：湖南省长沙市岳麓区麓山路36号

专利分类项目

G06N3/08 : 学习方法

G06K9/62 : 应用电子设备进行识别的方法或装置

G06N3/04 : 体系结构，例如，互连拓扑

G06N3/063 : 采用电的

专利注册信息

初审公告期号	2020-12-31	初审公告日期	2021-05-04
注册公告期号	2022-04-12	注册公告日期	2022-04-12
专用权期限	2021-05-04 - 2031-05-02	专利类型	发明公开
代理组织机构	长沙市融智专利事务所查看该机构代理的所有专利

专利介绍

本发明公开了一种基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速方法和图像分类方法，其中硬件加速器包括FPGA加速模块、主机CPU和DDR，FPGA包括直接片外访问单元、共享片上内存、频域卷积模块和频域ReLU模块；主机CPU对数据进行FFT和IFFT变换及传送各激活层的参数选址信号，FPGA使用FFT变换后的权值对FFT变换后的输入数据在全频域进行卷积层和ReLU激活层操作，其中各ReLU激活层的参数根据该层训练的输入信息范围进行设置，将最终的操作结果返回给主机CPU进行IFFT变换，作为卷积神经网络的输出结果。本发明可以提高卷积神经网络输出结果的精度和硬件实现效率。

法律进度