一种实现彩色图像识别的ConvGRU神经网络电路及训练方法技术

本发明专利技术公开了一种实现彩色图像识别的ConvGRU神经网络电路及训练方法，该电路包括卷积神经网络模块、GRUCell电路模块和全连接层电路模块；所述卷积神经网络模块的输出与所述GRUCell电路模块的输入连接，并且所述GRUCell电路模块的输出与所述全连接层电路模块连接。本发明专利技术解决了现有GRU硬件电路无法对图像进行有效特征提取的问题，大幅提升了GRU电路在图像识别方面的准确率，以软件3层卷积神经网络和1层硬件GRUCell电路模块可以达到18层卷积神经网络的水平，而且避免了硬件18层卷积神经网络占用硬件空间过大的问题，具有极高的可实用性。高的可实用性。高的可实用性。

【技术实现步骤摘要】
一种实现彩色图像识别的ConvGRU神经网络电路及训练方法


[0001]本专利技术涉及神经网络电路领域，尤其涉及一种实现彩色图像识别的ConvGRU神经网络电路及训练方法。

技术介绍

[0002]随着深度神经网络的发展，如卷积神经网络(CNN)、全卷积神经网络(FCN)、长短期记忆(LSTM)、门可控循环单元(GRU)等，推动了深度神经网络硬件设计的研究。在使用硬件来构建深度神经网络过程中，输入数据量大、网络结构复杂等问题一直是研究者无法避免的难题，而目前解决这些问题的方法只有增加电路的硬件面积。
[0003]随着硬件神经网络电路的发展，现已有各种各样的基本神经网络电路得以硬件实现。但是，现有的基本神经网络结构基本上都存在一些短板，并不适合于实际应用，因此如何对基本神经网络结构进行改进成为阻碍硬件神经网络实际应用的最大问题。
[0004]忆阻器是一种具有高挥发性、高密度、低功耗、与CMOS器件兼容等优点的纳米级器件，高度适用于硬件神经网络，因此基于忆阻器的硬件神经网络受到研究者的广泛关注。如图1所示，是现有技术中基于AIST的阈本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现彩色图像识别的ConvGRU神经网络电路，其特征在于，包括卷积神经网络模块、GRUCell电路模块和全连接层电路模块；所述卷积神经网络模块的输出与所述GRUCell电路模块的输入连接，而所述GRUCell电路模块的输出与所述全连接层电路模块连接。2.根据权利要求1所述的实现彩色图像识别的ConvGRU神经网络电路，其特征在于，所述卷积神经网络模块包括卷积计算单元和卷积加速电路；所述卷积计算单元的输出以脉冲信号的形式输入到所述卷积加速电路中，然后由所述卷积加速电路输出到所述GRUCell电路模块。3.根据权利要求2所述的实现彩色图像识别的ConvGRU神经网络电路，其特征在于，所述卷积计算单元采用3层卷积神经网络，而所述卷积加速电路采用1T1 R阵列。4.根据权利要求1字3中任一项所述的实现彩色图像识别的ConvGRU神经网络电路，其特征在于，所述卷积神经网络模块采用基于FPGA的卷积神经网络加速器。5.根据权利要求1字3中任一项所述的实现彩色图像识别的ConvGRU神经网络电路，其特征在于，所述GRUCell电路模块采用单层单向GRUCell电路模块。6.上述权利要求1至5中任一项所述的实现彩色图像识别的ConvGRU神经网络电路的训练方法，其特征在于，包括以下步骤：步骤1、软件预处理：采用软件对训练用彩色图像进行矩阵化处理，以高斯编码的方式转化为用于输入ConvGRU神经网络电路的训练图像脉冲信号；步骤2、将步骤1得到的训练图像脉冲信号输入到所述ConvGRU神经网络电路中的卷积神经网络模块进行特征提取，然后将所述卷积神经网络模块输出的特征矩阵脉冲信号输入到所述ConvGRU神经网络电路中的GRUCell电路模块进行训练，再根据所述GRUCell电路模块输出的训练完成...

【专利技术属性】
技术研发人员：吴祖恒，冯哲，王旭，代月花，
申请(专利权)人：安徽大学，
类型：发明
国别省市：