[发明专利]一种卷积神经网络图像处理系统及方法

说明书

本发明公开了一种卷积神经网络图像处理系统及方法，利用中央处理单元CPU将NPU单元程序通过全局总线载入到NPU单元的程序存储器，NPU单元根据NPU单元程序通过局部总线读入CMOS图象传感器像素阵列单元数据，然后与中央处理单元CPU对读入的数据协同进行预处理，然后对图像预处理后的图像进行卷积运算，并通过中央处理单元CPU输出运算结果，通过在CMOS图象传感器像素阵列单元和中央处理单元CPU之间设置NPU阵列单元，利用NPU阵列单元并行计算，以几何级数提升运算能力，同等运算能力下，以几何级数降低工作频率，利用NPU单元工作频率可以显著降低，不需要最小的半导体工艺就可实现高性能，适合与CMOS图象传感器集成，集成度高。

技术领域

本发明属于图像处理系统领域，具体涉及一种卷积神经网络图像处理系统及方法。

背景技术

由于AI运算的数据吞吐大，系统大量的时间和功耗用于搬运数据，于是存算一体芯片成为研究热点，它将计算单元分散在存储单元附近，从而实现极大规模的并行计算，突破冯诺依曼架构，使得芯片峰值算力显著提高，同等算力下功耗显著降低。卷积神经网络(CNN)在图象识别领域已获得广泛应用，但由于目前CMOS图象传感器的像素阵列与主机系统之间的通信是逐点传输，即使主机系统使用存算一体芯片，也提升不了传输速度，当像素和帧率高时，需要以很高的频率进行通信，从而产生高功耗高成本等一系列问题，这种结构成为实时视觉设备进行CNN计算的瓶颈，不能满足小微型嵌入式、移动式智能设备，如野外工作机器人、手持设备进行视觉识别及定位的要求。

发明内容

本发明的目的在于提供一种卷积神经网络图像处理系统及方法，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种卷积神经网络图像处理系统，包括CMOS图象传感器像素阵列单元、中央处理单元CPU和NPU阵列单元，中央处理单元CPU和NPU阵列单元通过一组全局总线连接，NPU阵列单元中每个NPU单元均并口连接有四个NPU单元，CMOS图象传感器像素阵列单元均分为与NPU阵列单元中NPU单元个数相同的区域，CMOS图象传感器像素阵列单元的每个区域通过局部总线连接一个NPU单元，中央处理单元CPU连接有程序存储器ROM和动态随机存储器RAM，中央处理单元CPU通过通信接口与外部通信，中央处理单元CPU用于将NPU单元程序通过全局总线载入到NPU单元的程序存储器，NPU单元根据NPU单元程序通过局部总线读入CMOS图象传感器像素阵列单元数据，然后与中央处理单元CPU对读入的数据协同进行预处理，然后对图像预处理后的图像进行卷积运算，并通过中央处理单元CPU输出运算结果。

进一步的，局部总线包括局部数据总线、局部地址总线及局部控制总线。

进一步的，每个NPU单元为一个独立计算单元，NPU单元的程序存储器采用动态随机存储器RAM或可擦写Flash或程序存储器ROM。

进一步的，每个NPU单元有1个选中脚与中央处理单元CPU联接，或者使用二制进编码的全局地址总线。

进一步的，每个局部数据总线均为1根模拟信号线。

进一步的，每个NPU单元与中央处理单元CPU之间有一位中断总线连接。

一种卷积神经网络图像处理方法，包括以下步骤：

S1，中央处理单元CPU通过外部通信接口读入已训练好的参数，并根据读入的参数在内存中创建CNN数据结构，并将NPU单元程序通过全局总线载入到NPU单元的程序存储器中；

S2，NPU单元根据CNN数据结构和NPU单元程序，通过局部总线读入CMOS图象传感器像素阵列单元数据，然后与中央处理单元CPU对读入的数据协同进行预处理；

S3，对预处理后的数据，采用卷积神经网络对每层依次进行卷积运算得到图象分类结果，即完成图象识别。