基于PYNQ的图像分类识别技术研究与实现

摘要

为了实现低功耗的图像分类识别系统,设计一种基于卷积神经网络的图像分类识别系统方案,该方案研究基于ARM+FPGA异构系统的实现方法,系统搭载于Xilinx的PYNQ嵌入式开发平台.在电脑端对待测试的数据集搭建卷积神经网络模型并完成MNIST和CIFAR-10数据集的训练验证.随后设计特征参数提取函数完成权重和偏执参数的提取及格式转换,转换为硬件平台可以进行读取的二进制格式.接着使用Xilinx VIVADO HLS设计工具,设计实现图像分类识别系统中卷积神经网络的自定义IP核模块.完成自定义IP核的设计之后,以IP核模块和ZYNQ模块为主实现整体系统的通路搭建,完成验证后在Jupyter Notebook中通过上位机程序调用控制.最后,完成驱动程序及系统上位机的设计.测试结果表明,系统对MNIST和CIFAR-10数据集的识别可以实现分类,系统功耗仅为1.54 W.该系统具有通用性好、硬件功耗低等优点,可广泛应用于边缘计算环境中.