买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东浪潮科学研究院有限公司申请的专利基于FPGA的卷积神经网络图像识别系统、方法、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116310594B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310466012.2，技术领域涉及：G06V10/764；该发明授权基于FPGA的卷积神经网络图像识别系统、方法、设备及介质是由王雄儒;赵鑫鑫;姜凯;王帅;于帆设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本基于FPGA的卷积神经网络图像识别系统、方法、设备及介质在说明书摘要公布了：本申请公开了一种基于FPGA的卷积神经网络图像识别系统、方法、设备及介质，涉及图像识别技术领域，包括：ARM处理器、AHB总线、基于FPGA的轻量型卷积神经网络加速模块，包括深度卷积和目标点卷积，目标点卷积实现点卷积和标准卷积；ARM处理器对图像数据预处理，并通过AHB总线将处理后数据传送至轻量型卷积神经网络加速模块，然后接收该模块的运算结果，并基于接收到的运算结果进行图像识别；轻量型卷积神经网络加速模块通过深度卷积模块对预处理后数据进行深度卷积，并通过目标点卷积模块对上述卷积结果进行点卷积和标准卷积，得到运算结果；本申请能够在运行功耗较低的情况下，利用较少的资源提高图像识别处理速度。

本发明授权基于FPGA的卷积神经网络图像识别系统、方法、设备及介质在权利要求书中公布了：1.一种基于FPGA的卷积神经网络图像识别系统，其特征在于，包括：ARM处理器、先进高性能总线、基于FPGA的轻量型卷积神经网络加速模块；所述轻量型卷积神经网络加速模块包括深度卷积模块和目标点卷积模块，所述目标点卷积模块为能够实现点卷积运算和标准卷积运算的卷积模块； 所述ARM处理器，用于对采集到的图像数据进行预处理，并将预处理后的所述图像数据通过所述先进高性能总线传送至所述轻量型卷积神经网络加速模块；并用于通过所述先进高性能总线接收所述轻量型卷积神经网络加速模块的运算结果，然后基于接收到的运算结果进行图像识别； 所述轻量型卷积神经网络加速模块，用于通过所述深度卷积模块对预处理后的所述图像数据进行深度卷积运算，得到第一运算结果，并通过所述目标点卷积模块对所述第一运算结果进行点卷积运算和标准卷积运算，得到第二运算结果；并用于将所述第二运算结果通过所述先进高性能总线传送至所述ARM处理器，以便所述ARM处理器基于所述第二运算结果进行图像识别； 其中，所述轻量型卷积神经网络加速模块为采用卷积运算与读写缓存的存算一体化构建方式构建的卷积神经网络加速模块； 所述深度卷积模块，包括： 分布式并行乘法结构，用于对预处理后的所述图像数据进行运算得到乘法运算结果； 加法树，用于基于若干数量个加法器对所述乘法运算结果进行累加操作，得到所述第一运算结果； 流线式寄存器，用于对每一加法器的累加操作结果进行暂存； 其中，所述目标点卷积模块为通过对点卷积结构进行重组，以实现点卷积运算和标准卷积运算的并行卷积模块； 在深度卷积运算阵列中，采用分布式并行乘法结构对预处理后的所述图像数据进行运算得到乘法运算结果，乘法运算结果再传输到加法树中进行累加操作；所述加法树基于若干数量个加法器对所述乘法运算结果进行累加操作，得到所述第一运算结果；在加法树每一层加法器之间添加流水线式寄存器，用于对每一加法器的累加操作结果进行暂存，从而构成流水线式加法树结构；在输入端和缓存FIFO之间添加互联逻辑开关，实现跳变输入神经元与权值参数的对应关系，并满足卷积窗口移动；输入图像像素点按行切割，每间隔两行的像素点被分为一组，共分成3组，同一组的神经元被存储在同一存储单元内；若输入特征映射图的行数无法被3整除，则用数据0填补；权值矩阵按行分组3组，深度卷积计算单元采用3×3的卷积核对输入特征图进行提取，图像的各个像素点在进行累乘时保持相互独立状态，像素点并行处理；执行乘法操作后，通过加法树对结果进行连接，每个时钟周期可完成一个像素点的计算；计算后的图像像素点经过BN层以及ReLU激活函数后，送入寄存器进行暂存。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东浪潮科学研究院有限公司，其通讯地址为：250000 山东省济南市高新浪潮路1036号S02号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。