[发明专利]一种用于智慧泊车的深度学习处理器架构

说明书

本发明公开了一种用于智慧泊车的深度学习处理器架构，包括高速数据接口模块、DMA模块、同步控制模块、深度学习网络加速模块和内存控制器，深度学习网络加速模块，用于数据处理，实现对泊车系统使用到的各个深度学习网络；所述深度学习网络加速模块包括外部存储器读模块、输入特征图内存、内核内存、指令控制器、数据读取模块、内积加速器、输出控制器、输出特征图内存和外部存储器写模块；所述输入特征图内存和内核内存均采取A/B双内存模式。本发明提高了计算效率，作为高位视频系统使用到多种深度学习网络的硬件加速器，实现系统的高算力，低功耗。

技术领域

本发明涉及硬件架构领域，具体涉及一种用于智慧泊车的深度学习处理器架构。

背景技术

高位视频智慧道旁泊车系统(以下简称高位视频系统)是一种基于计算机视觉和深度人工智能技术的系统，相对于传统的智慧泊车系统，如地磁感应，具有准确率高，能识别车牌和车辆特征等明显优势。现有高位视频系统一般采用高清摄像头和边缘处理单元对道旁停车位进行实时监控识别，如有车辆进出，将采集车牌，车辆停靠时间等信息并进行分析和储存。道旁停车识别一般需要多个深度学习网络来对车位占用情况，车辆特征，车牌等进行识别，各个网络的大小和计算耗时不同。

现有高位视频系统一般采用GPU和CPU作为处理单元，GPU作为人工智能的通用处理器，虽然通用性强，使用简单，但算力低且功耗大，不能满足高位视频系统的不断增加的功能和性能要求。所以，需要一种用于智慧泊车的深度学习处理器架构，用于取代GPU，作为高位视频系统使用到多种深度学习网络的硬件加速器。

发明内容

本发明的目的在于：提供了一种用于智慧泊车的深度学习处理器架构，取代GPU，与CPU交互，作为高位视频系统使用到多种深度学习网络的硬件加速器，实现系统的高算力，低功耗，高实时性和高精确度。

本发明采用的技术方案如下：

本发明是一种用于智慧泊车的深度学习处理器架构，包括高速数据接口模块、DMA模块、同步控制模块、深度学习网络加速模块和内存控制器，

高速数据接口模块，用于连接外部设备，进行数据交互；

同步控制模块包括同步控制、发送数据缓存、接收数据缓存和接收地址缓存；

深度学习网络加速模块，用于数据处理，实现对泊车系统使用到的各个深度学习网络；所述深度学习网络加速模块包括外部存储器读模块、输入特征图内存、内核内存、指令控制器、数据读取模块、内积加速器、输出控制器、输出特征图内存和外部存储器写模块；所述输入特征图内存、内核内存和指令控制器通过外部存储器读模块连接外部存储器读取数据，所述输入特征图内存和内核内存均采取A/B双内存模式，与数据读取模块连接通过数据读取模块向内积加速器输送数据，指令控制器与内积加速器连接；所述输出控制器与内积加速器连接进行数据交互，所述输出特征图内存与内积加速器连接，内积加速器的数据处理结果将会通过输出特征图内存送入外部储存器写模块，并最终被存入外部存储器中；

内存控制器，与深度学习网络加速模块数据交互，中间数据通过内存控制器储存到外部存储器中，并且能将中间数据从外部存储器中读入。

进一步的，所述泊车系统使用了三个深度学习网络，分别为深度学习车辆识别网络、深度学习车牌识别网络、深度学习车牌号码和文字识别网络。

进一步的，所述深度学习车辆识别网络、深度学习车牌识别网络、深度学习车牌号码和文字识别网络均被分解为可以复用的子结构，通过专用指令集调用，组合完成三个深学网络的硬件加速。

进一步的，所述内核内存还能够存储权重数据和偏置数据。

进一步的，所述高速数据接口模块包括PCIe或者USB3高速数据通信接口。