-
题名基于卷积神经网络的内窥镜图像识别及FPGA实现
- 1
-
-
作者
刘生山
林金朝
庞宇
王元发
周前能
-
机构
重庆邮电大学光电工程学院
重庆市集成电路协同创新中心
-
出处
《现代电子技术》
北大核心
2025年第11期156-162,共7页
-
基金
重庆市自然科学基金项目(cstc2021jcyj-msxmX0590)
重庆教委科学技术研究计划项目(KJQN202300637)。
-
文摘
为提高内窥镜病灶识别准确率和速度,减少检测仪器功耗,针对现有VGG16网络模型参数量大、FPGA加速困难等缺陷,文中提出一种改进VGG的图像识别电路系统,并将该系统首次应用于内窥镜图像病灶识别。首先,通过软件技术优化VGG算法卷积层和全连接层,增加自适应平均池化层;然后设计优化的卷积IP核,实现卷积和最大池化FPGA加速。为减少模型参数量,有效降低FPGA资源消耗,将改进网络层和批归一化层融合。实验结果表明,改进后的网络模型平均识别准确率为95.59%,模型大小为35.90 MB,相比原始网络准确率提升了3.24%,模型参数量减少92.99%。FPGA板级检测时间为0.55 s/张,相较ARM端和CPU端检测时间减少1509.06 s/张和0.14 s/张。通过优化和改进,提出的电路系统显著提升了内窥镜病灶识别的效率和准确率,有效降低了硬件资源消耗。
-
关键词
卷积神经网络
VGG模型
FPGA
内窥镜图像识别
高层次综合工具
软硬协同
-
Keywords
CNN
VGG model
FPGA
endoscopic image recognition
high⁃level synthesis tool
software and hardware synergy
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
