买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于FPGA的卷积神经网络加速器及其加速方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115374929B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110559767.8，技术领域涉及：G06N3/082；该发明授权一种基于FPGA的卷积神经网络加速器及其加速方法是由杨文豪;卢启军;李珂;江之行;黄旭;赵艳慧设计研发完成，并于2021-05-21向国家知识产权局提交的专利申请。

本一种基于FPGA的卷积神经网络加速器及其加速方法在说明书摘要公布了：本发明公开了一种基于FPGA的卷积神经网络加速器及其加速方法，所述加速器部署于FPGA，所述加速器包括：控制器、卷积模块、先进先出存储器、加法器、偏置缓冲器、池化模块、线性整流函数模块、数据传输通道和随机存取存储器。本发明能够提高卷积神经网络的处理速度、存储量与计算资源。

本发明授权一种基于FPGA的卷积神经网络加速器及其加速方法在权利要求书中公布了：1.一种基于FPGA的卷积神经网络加速方法，其特征在于，应用于加速器，所述加速器部署于FPGA，所述加速器包括：控制器、卷积模块、先进先出存储器、加法器、偏置缓存器、池化模块、线性整流函数模块、数据传输通道和随机存取存储器； 所述控制器与所述卷积模块、所述先进先出存储器、所述加法器、所述池化模块、所述线性整流函数模块和所述数据传输通道连接； 所述随机存取存储器与所述卷积模块、所述先进先出存储器、所述线性整流函数模块和所述数据传输通道连接； 所述加法器与所述控制器、所述先进先出存储器、所述偏置缓存器和所述池化模块连接； 所述池化模块与所述加法器、所述控制器和所述线性整流函数模块连接； 所述线性整流函数模块与所述池化模块、所述控制器、所述随机存取存储器和所述数据传输通道连接； 所述加速器中部署有卷积神经网络模型，所述方法包括： 获取待处理图像；对所述待处理图像进行预处理，以得到预处理图像； 对所述卷积神经网络模型进行压缩处理，以得到目标模型； 根据所述目标模型，计算损失函数，以确定多个目标子模型； 基于所述目标子模型处理所述待处理图像，以得到目标图像；其中， 所述根据所述目标模型，计算损失函数，以确定多个目标子模型，包括： 根据所述目标模型，计算子模型对应的损失函数，所述损失函数包括交叉熵损失函数和蒸馏损失函数；获得目标模型后训练子模型，训练子模型的损失函数主要由两部分组成：一部分是目标模型和目标子模型的输出logits计算蒸馏损失，一部分是目标子模型的输出和数据标签计算交叉熵损失； 基于所述损失函数，对所述子模型进行量化处理，以得到第一子模型； 将所述第一子模型存入随机存取存储器； 基于所述随机存取存储器，训练所述第一子模型，以得到目标子模型；所述随机存取存储器中包括滑窗模块，图像的输入接口与第一个FIFO进行连接，第一个FIFO的输出与第二个FIFO的输入连接，第二个FIFO的输出与第三个FIFO的输入连接；在卷积核内部实现三并行计算，图像以三行并行输入的模式向每个卷积运算单元进行输入，每个乘加器对应的权值由加速器从SD卡中读取，每一行第一个像素值在每一行对应的第一个乘加器中完成与权值的乘法计算，之后向第二个乘加器传递作为第二次计算的累加部分，每一行对应的第二个像素值与第二个乘加器的权值进行相乘并与第一个乘加器的输出结果进行累加，传递给第三个乘加器，第三个乘加器与每一行第三个像素值进行相乘并与第二个乘加器的输出结果进行累加得到每一行的相乘累加值，之后将每一行的输出结果进行累加得到一次卷积的输出值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。