-
题名面向深度神经网络图像压缩的高性能算术编码硬件设计
- 1
-
-
作者
宋赛
崔昭
詹尹僧
杨进祯
陆明
田静
-
机构
南京大学集成电路学院
南京大学电子科学与工程学院
-
出处
《电子与信息学报》
北大核心
2025年第9期3230-3240,共11页
-
基金
国家密码科学基金(2025NCSF02002)
江苏省基础研究计划重点项目(BK20243038)
+1 种基金
中国科学技术协会青年人才托举工程项目(2023QNRC001)
江苏省青年基金(BK20241226)。
-
文摘
随着深度学习驱动的图像压缩技术迅速发展,面向深度神经网络(DNN)的图像压缩亟需一种高性能熵编码架构,以满足对高速压缩的实际需求。针对传统熵编码在硬件实现中面临的运算延迟与资源开销瓶颈,该文提出并实现了一种基于现场可编程逻辑门阵列(FPGA)的高效Range Asymmetric Numeral Systems(RANS)算术编码架构。在设计优化方面,首先引入硬件友好的除法变乘法策略降低除法与取模运算的延迟;其次结合细粒度量化与精度校准机制,在减少资源消耗的同时保证计算精度;最后,基于交织并行设计思想实现可调多通道高速压缩路径,大幅提升系统吞吐率。该架构部署于Xilinx Kintex-7 XC7K325T FPGA平台,在可控压缩率损失下,实现了高达191.97 MSymbol/s的吞吐性能,与现有最新熵编码硬件方案齐平,同时在资源利用率与系统扩展性方面也展现出显著优势,具备良好的工程应用潜力。
-
关键词
熵编码
图像压缩
FPGA
区间非对称数值系统(rans)
-
Keywords
Entropy coding
Image compression
FPGA
range Asymmetric Numeral System(rans)
-
分类号
TN402
[电子电信—微电子学与固体电子学]
TN702
[电子电信—电路与系统]
-
