时空图卷积网络的骨架识别硬件加速器设计

来源：电子测量技术杂志2024年第11期北京时间：

作者：谭会生，严舒琪，杨威

单位：湖南工业大学轨道交通学院 株洲 412000

摘要：随着人工智能技术的不断发展，神经网络的数据规模逐渐扩大，神经网络的计算量也迅速攀升。为了减少时空图卷积神经网络的计算量，降低硬件实现的资源消耗，提升人体骨架识别时空图卷积神经网络(ST-GCN)实际应用系统的处理速度，利用现场可编程门阵列(FPGA)，设计开发了一个基于时空图卷积神经网络的骨架识别硬件加速器。通过对原网络模型进行结构优化与数据量化，减少了FPGA实现约75%的计算量；利用邻接矩阵稀疏性的特点，提出了一种稀疏性矩阵乘加运算的优化方法，减少了约60%的乘法器资源消耗。经过对人体骨架识别实验验证，结果表明，在时钟频率100 MHz下，相较于CPU，FPGA加速ST-GCN单元，加速比达到30.53；FPGA加速人体骨架识别，加速比达到6.86。

关键词：人体骨架识别;时空图卷积神经网络(ST-GCN);硬件加速器;现场可编程门阵列(FPGA);稀疏矩阵乘加运算硬件优化

基金资助：湖南省学位与研究生教学改革研究项目(2022JGYB183)资助