基于 PYNQ 的图像分类识别技术研究与实现

来源：计算机技术与发展杂志2021年第12期北京时间：

作者：陈禹;谷文成;渠吉庆;蒋志鹏;张瑛;孙科学;'*

单位：1. 南京邮电大学 电子与光学工程学院、微电子学院,江苏 南京 210023;2. 射频集成与微组装技术国家地方联合工程实验室,江苏 南京 210023

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。

关键词：卷积神经网络;软硬件协同设计;PYNQ;VIVADO;Jupyter Notebook