一种图像数据识别加速系统技术方案

本发明专利技术公开了一种图像数据识别加速系统，包括：图像采集模块，用于采集待识别的图像；处理模块，采用ZYNQ处理芯片，处理模块包括ARM端和FPGA端，ARM端包括预处理模块和后处理模块，预处理模块用于对图像进行预处理，后处理模块用于对FPGA端得出的数据进行深度处理，得到位置和类别的数据；FPGA端包括算法加速器和分类模块，算法加速器用于对预处理后的图像进行加速处理，输出对应的特征向量，分类模块用于对特征向量进行分类处理。本发明专利技术采用ZYNQ系列芯片，充分利用了FPGA并行效率高与模块设计的思想，能够极大的提高数字识别效率和正确率，并且扩展了单数字识别应用，实现了多数字识别的功能，降低了系统运行功耗，缩短了研发周期，减小了系统体积。小了系统体积。小了系统体积。

【技术实现步骤摘要】
一种图像数据识别加速系统


[0001]本专利技术涉及图像处理设备
，特别涉及一种图像数据识别加速系统。

技术介绍

[0002]卷积神经网络(CNN)，又称ConvNets，它是当前深度卷积神经网络领域中最热门的分支，它多被运用在机器视觉领域。经典的卷积神经网络分为四个部分，分别是卷积层，激活层、池化层和全连接层。在卷机神经网络中，人工神经元可以响应一部分覆盖范围内的周围神经单元，使得CNN能够处理大型图像，并且有极其出色的表现，因此让它在机器视觉领域大放异彩。
[0003]但是，当前的目标检测系统中，卷积神经网络消耗的存储和运算资源都很大，所以对图片或视频图像数据的处理往往要使用图形处理器或加速处理器来辅助实现处理过程，而图形处理器或加速处理器的服务器体积大、功耗高和灵活度低，所以不适合在移动平台上部署大部分基于AI(Artificial Intelligence，人工智能)的目标检测技术。

技术实现思路

[0004]本专利技术实施例提供了一种图像数据识别加速系统，用以解决现有技术中使用的图形处理器或加速处理器不适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像数据识别加速系统，其特征在于，包括：图像采集模块，用于采集待识别的图像；处理模块，所述处理模块采用ZYNQ处理芯片，所述处理模块包括ARM端和FPGA端，所述ARM端包括预处理模块和后处理模块，所述预处理模块用于对所述图像进行预处理，所述后处理模块用于对FPGA端得出的数据进行深度处理，得到位置和类别的数据；所述FPGA端包括算法加速器和分类模块，所述算法加速器用于对预处理后的图像进行加速处理，输出对应的特征向量，所述分类模块用于对所述特征向量进行分类处理，获得相应的识别结果。2.根据权利要求1所述的一种图像数据识别加速系统，其特征在于，还包括：数据通信模块，与所述ARM端和FPGA端均由通信连接，所述数据通...

【专利技术属性】
技术研发人员：王明伟，时凯胜，任昊，王钊，闫瑞，黄叶琪，张梦莉，张忠翔，马春生，罗宇，胡凌峰，刘杰，王庆波，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：