改进神经网络的图像识别系统设计与硬件实现

摘要

针对现有图像识别系统大多采用软件实现,无法利用神经网络并行计算能力的问题.该文提出一套基于FPGA的改进RBF神经网络硬件化图像识别系统,将乘法运算改为加法运算解决了神经网络计算复杂不便于硬件化的问题,并且提出一种基于位比较的排序电路解决了大量数据的快速排序问题,以此为基础开发了多目标图像识别应用系统.系统特征提取部分采用FPGA实现,图像识别部分采用ASIC电路实现.实验结果表明,该文所提出的改进RBF神经网络算法平均识别时间较LeNet-5,AlexNet和VGG16缩短50％;所开发的硬件系统完成对10000张样本图片识别的时间为165μs,对比于DSP芯片系统所需426.6μs,减少了60％左右.