论文部分内容阅读
深度学习的广泛应用带来了视觉分析中许多类似人类认知任务的实现。HMAX是基于视觉皮层的生物启发模型,已在多类物体识别中被证明优于标准计算机视觉方法。但是,由于神经形态算法的高复杂性,在边缘设备上实现HMAX模型仍然面临巨大挑战。已有研究表明,HMAX的S2阶段是运行最耗时的阶段。该文提出了一种基于脉动阵列的新架构来加速HAMX模型的S2阶段。仿真结果表明,与基准模型相比,HMAX模型最耗时的S2阶段执行时间平均减少了14.65%、内存所需的带宽减少了3.34倍。