CNN 中卷积与反卷积的统一硬件架构
信号处理
2020-06-02 v1 硬件体系结构
图像与视频处理
摘要
本文提出一种用于图像分割的可扩展神经网络硬件架构。通过共享相同的计算资源，卷积与反卷积操作均由同一处理单元阵列处理。此外，对片上与片外存储器的访问进行了优化，以缓解由部分和带来的负担。作为示例，SegNet-Basic 采用所提统一架构在 Xilinx ZC706 FPGA 上实现，在卷积与反卷积上分别达到 151.5 GOPS 和 94.3 GOPS 的性能。该统一卷积/反卷积设计适用于其他带反卷积的 CNN。
引用
@article{arxiv.2006.00053,
title = {A Unified Hardware Architecture for Convolutions and Deconvolutions in CNN},
author = {Lin Bai and Yecheng Lyu and Xinming Huang},
journal= {arXiv preprint arXiv:2006.00053},
year = {2020}
}
备注
This paper has been accepted by ISCAS 2020