Abstract：
随着人工智能的快速发展，神经网络已在诸多领域得到应用，包括人脸识别和车牌识别等场景。这些应用中，卷积运算是神经网络的推理过程的核心，其计算效率直接关系着神经网络的性能。针对边缘端的设备需求，本文提出了一种轻量级的数据流控制方法，该方法在存储空间消耗方面优于传统的脉动阵列和“行缓存”方法，为神经网络在边缘设备上的部署提供了新的解决方案。此外，为了验证该数据流控制方式的有效性，本文搭建了一个应用于车牌识别场景的CNN网络，并在FPGA上进行部署。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电子制作
ISSN： 1006-5059
CN： 11-3571/TN
Year： 2024
Issue： 11
Volume： 32
Page： 48-52
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
