一种基于FPGA的全流水线医药高光谱图像神经网络分类方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于FPGA的全流水线医药高光谱图像神经网络分类方法,首先采集并制作高光谱医药数据集图像;其次设计具有卷积神经网络主干架构的深度神经网络进行训练,保存模型收敛的训练参数;然后对神经网络进行量化处理,对网络权重使用逐通道对称量化,对网络的其他浮点参数使用贪心算法逐步寻找各个参数缩放系数的局部最优值,获得参数为整型的神经网络;基于硬件描述语言Verilog重新构建寄存器传输级的网络模型,实现全流水线;最终通过仿真综合布局布线,将符合预设设计要求的布局布线后的网络模型部署在FPGA上完成分类算法实现。在边缘端进行分类,准确率仅有轻微下降,实现全流水线化,分类速度较快,资源消耗较低。
《一种基于FPGA的全流水线医药高光谱图像神经网络分类方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023108966601,当前法律状态为已下证,由湖南大学提出申请,发明人为王耀南;潘劲宇;张辉;毛建旭;朱青;赵禀睿;张金洲;陈煜嵘;苏学叁;尹阿婷,申请日期为2023-07-21,公开(公告)日期为2023-10-27,国际专利分类号(IPC)为 G06F 16/55 (2019.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于FPGA的全流水线医药高光谱图像神经网络分类方法,首先采集并制作高光谱医药数据集图像;其次设计具有卷积神经网络主干架构的深度神经网络进行训练,保存模型收敛的训练参数;然后对神经网络进行量化处理,对网络权重使用逐通道对称量化,对网络的其他浮点参数使用贪心算法逐步寻找各个参数缩放系数的局部最优值,获得参数为整型的神经网络;基于硬件描述语言Verilog重新构建寄存器传输级的网络模型,实现全流水线;最终通过仿真综合布局布线,将符合预设设计要求的布局布线后的网络模型部署在FPGA上完成分类算法实现。在边缘端进行分类,准确率仅有轻微下降,实现全流水线化,分类速度较快,资源消耗较低。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
