[發明專利]一種用于智慧泊車的深度學習處理器架構

在審

• 申請號: 202010862272.8
• 申請日: 2020-08-25
• 公開（公告）號: CN111932436A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 王銘宇;王堃;吳晨
• 申請（專利權）人: 成都恒創新星科技有限公司
• 主分類號: G06T1/20
• 分類號: G06T1/20;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 楊保剛

本發明公開了一種用于智慧泊車的深度學習處理器架構，包括高速數據接口模塊、DMA模塊、同步控制模塊、深度學習網絡加速模塊和內存控制器，深度學習網絡加速模塊，用于數據處理，實現對泊車系統使用到的各個深度學習網絡；所述深度學習網絡加速模塊包括外部存儲器讀模塊、輸入特征圖內存、內核內存、指令控制器、數據讀取模塊、內積加速器、輸出控制器、輸出特征圖內存和外部存儲器寫模塊；所述輸入特征圖內存和內核內存均采取A/B雙內存模式。本發明提高了計算效率，作為高位視頻系統使用到多種深度學習網絡的硬件加速器，實現系統的高算力，低功耗。

技術領域

本發明涉及硬件架構領域，具體涉及一種用于智慧泊車的深度學習處理器架構。

背景技術

高位視頻智慧道旁泊車系統(以下簡稱高位視頻系統)是一種基于計算機視覺和深度人工智能技術的系統，相對于傳統的智慧泊車系統，如地磁感應，具有準確率高，能識別車牌和車輛特征等明顯優勢。現有高位視頻系統一般采用高清攝像頭和邊緣處理單元對道旁停車位進行實時監控識別，如有車輛進出，將采集車牌，車輛?？繒r間等信息并進行分析和儲存。道旁停車識別一般需要多個深度學習網絡來對車位占用情況，車輛特征，車牌等進行識別，各個網絡的大小和計算耗時不同。

現有高位視頻系統一般采用GPU和CPU作為處理單元，GPU作為人工智能的通用處理器，雖然通用性強，使用簡單，但算力低且功耗大，不能滿足高位視頻系統的不斷增加的功能和性能要求。所以，需要一種用于智慧泊車的深度學習處理器架構，用于取代GPU，作為高位視頻系統使用到多種深度學習網絡的硬件加速器。

發明內容

本發明的目的在于：提供了一種用于智慧泊車的深度學習處理器架構，取代GPU，與CPU交互，作為高位視頻系統使用到多種深度學習網絡的硬件加速器，實現系統的高算力，低功耗，高實時性和高精確度。

本發明采用的技術方案如下：

本發明是一種用于智慧泊車的深度學習處理器架構，包括高速數據接口模塊、DMA模塊、同步控制模塊、深度學習網絡加速模塊和內存控制器，

高速數據接口模塊，用于連接外部設備，進行數據交互；

同步控制模塊包括同步控制、發送數據緩存、接收數據緩存和接收地址緩存；

深度學習網絡加速模塊，用于數據處理，實現對泊車系統使用到的各個深度學習網絡；所述深度學習網絡加速模塊包括外部存儲器讀模塊、輸入特征圖內存、內核內存、指令控制器、數據讀取模塊、內積加速器、輸出控制器、輸出特征圖內存和外部存儲器寫模塊；所述輸入特征圖內存、內核內存和指令控制器通過外部存儲器讀模塊連接外部存儲器讀取數據，所述輸入特征圖內存和內核內存均采取A/B雙內存模式，與數據讀取模塊連接通過數據讀取模塊向內積加速器輸送數據，指令控制器與內積加速器連接；所述輸出控制器與內積加速器連接進行數據交互，所述輸出特征圖內存與內積加速器連接，內積加速器的數據處理結果將會通過輸出特征圖內存送入外部儲存器寫模塊，并最終被存入外部存儲器中；

內存控制器，與深度學習網絡加速模塊數據交互，中間數據通過內存控制器儲存到外部存儲器中，并且能將中間數據從外部存儲器中讀入。

進一步的，所述泊車系統使用了三個深度學習網絡，分別為深度學習車輛識別網絡、深度學習車牌識別網絡、深度學習車牌號碼和文字識別網絡。

進一步的，所述深度學習車輛識別網絡、深度學習車牌識別網絡、深度學習車牌號碼和文字識別網絡均被分解為可以復用的子結構，通過專用指令集調用，組合完成三個深學網絡的硬件加速。

進一步的，所述內核內存還能夠存儲權重數據和偏置數據。

進一步的，所述高速數據接口模塊包括PCIe或者USB3高速數據通信接口。