-
题名时空图卷积网络的骨架识别硬件加速器设计
- 1
-
-
作者
谭会生
严舒琪
杨威
-
机构
湖南工业大学轨道交通学院
-
出处
《电子测量技术》
北大核心
2024年第11期36-43,共8页
-
基金
湖南省学位与研究生教学改革研究项目(2022JGYB183)资助。
-
文摘
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
-
Keywords
human skeleton recognition
spatiotemporal graph convolutional neural network(ST-GCN)
hardware accelerator
field programmable gate array(FPGA)
hardware optimization of sparse matrix multiplication and addition
-
分类号
TN791
[电子电信—电路与系统]
-
