来源：期刊VIP网 时间：
作者：刘生山;林金朝;庞宇;王元发;周前能;
单位：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;
摘要：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1 509.06 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
基金资助：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)
