用于图像处理的FPGA存储器优化分配

计算机工程与科学

用于图像处理的FPGA存储器优化分配

陈凯峰，梁鉴如

(上海工程技术大学电子电气工程学院，上海 201620)

收稿日期:2019-05-08 修回日期:2019-08-16 出版日期:2019-11-25 发布日期:2019-11-25
基金资助:
国家自然科学基金(61272097)；上海市科技委员会重点项目(18511101600)

Optimized FPGA memory allocation for image processing

CHEN Kai-feng，LIANG Jian-ru

(School of Electrical and Electronic Engineering,Shanghai University of Engineering Science,Shanghai 201620,China)

Received:2019-05-08 Revised:2019-08-16 Online:2019-11-25 Published:2019-11-25

摘要/Abstract

摘要：

现场可编程门阵列(FPGA)在计算机视觉应用领域有着广阔的前景，然而FPGA有限的片上存储器资源难以满足应用场景下性能、尺寸和功率的需求。针对这个问题，研究片上存储器的资源分配，在最小化片上资源使用和整体功耗的前提下提出一种易于实现的分区平衡算法。实验结果表明，与商用FPGA高级综合工具相比，本文算法的利用率提高达60％，且动态功耗降低了约70％。在高级算法MeanShift跟踪的实验中，实验结果显示，分区算法可以在不影响关键性能的前提下降低总功耗高达30％。

关键词: FPGA, 图像处理, 片上存储器, 功耗, 分区算法

Abstract:

Field Programmable Gate Array (FPGA) has broad prospects in computer vision applications. However, limited memory resources of FPGA are difficult to meet the performance, size and power requirements of the application scenarios. To solve this problem, this paper studies the resource allocation of on-chip memory, designs a partition balancing algorithm to minimize resource usage and power consumption, and implements it on the platform. The experimental results show that, compared with the commercial FPGA's advanced synthesis tools, the proposed algorithm improves the utilization rate by 60% and reduces the dynamic power consumption by up to 70%. In the experiment of the advanced algorithm MeanShift tracking, the experimental data shows that the partition balancing algorithm can reduce the total power consumption by up to 30% without affecting the key performance.

Key words:

Key words: FPGA, image processing, on-chip memory, power consumption, partitioning algorithm

陈凯峰，梁鉴如. 用于图像处理的FPGA存储器优化分配[J]. 计算机工程与科学.

CHEN Kai-feng，LIANG Jian-ru. Optimized FPGA memory allocation for image processing[J]. Computer Engineering & Science.

[1]	李珍琪, 王强, 齐星云, 赖明澈, 赵言亢, 陆亿行, 黎渊. 轻量化卷积神经网络硬件加速设计及FPGA实现[J]. 计算机工程与科学, 2025, 47(04): 582-591.
[2]	申锦尚, 张庆顺, 宋铁锐. 基于FPGA的高速AES实现与列混合改进[J]. 计算机工程与科学, 2025, 47(04): 612-620.
[3]	闫少辉, 姜嘉伟, 崔宇. 基于三维混沌系统的图像加密及FPGA实现[J]. 计算机工程与科学, 2025, 47(04): 686-694.
[4]	徐欣, 李若诗, 袁野, 刘娜. 基于可学习图像滤波器的雾天驾驶场景图像语义分割[J]. 计算机工程与科学, 2024, 46(11): 2027-2034.
[5]	王鹏, 张嘉诚, 范毓洋, . 适应于硬件部署的神经网络剪枝量化算法[J]. 计算机工程与科学, 2024, 46(09): 1547-1553.
[6]	赵悦, 周桐庆, 曾晖, 蔡志平, 肖侬. 一种面向低功耗移动端到端系统的延迟推送同步策略[J]. 计算机工程与科学, 2024, 46(05): 810-817.
[7]	赵千贺, 王锐, . ELPVO:基于I/O流水优化的超低功耗视觉里程计[J]. 计算机工程与科学, 2024, 46(05): 846-851.
[8]	刘汝霖, 杨惠, 李韬, 吕高锋, 孙志刚. 面向装备平台的敏捷交换芯片设计与实现[J]. 计算机工程与科学, 2024, 46(02): 200-208.
[9]	马柯帆, 李宝峰, 周悦锦, 武园园, 余永兰, 多瑞华. 基于ZYNQ 芯片的基板管理控制器设计与实现[J]. 计算机工程与科学, 2024, 46(02): 217-223.
[10]	赵祉乔, 周理, 荀长庆, 潘国腾, 铁俊波, 王伟征 . 软硬件混合的高效CHI协议分析[J]. 计算机工程与科学, 2024, 46(02): 224-231.
[11]	秦文强, 吴仲城, 张俊, 李芳, . 基于异构平台的卷积神经网络加速系统设计[J]. 计算机工程与科学, 2024, 46(01): 12-20.
[12]	陈海永, 吕承杰, 杜春, 陈鹏. 孪生注意力门控融合的遥感图像变化检测编解码网络[J]. 计算机工程与科学, 2023, 45(09): 1593-1601.
[13]	史明川, 邹鸿基, 秦志楷, 李暾. 基于WCOJ的UPF供电状态分析器的设计与实现[J]. 计算机工程与科学, 2023, 45(06): 979-986.
[14]	王玉雷, 谢凯亮, 陈思贇, 胡杰, 常胜. 卷积神经网络硬件加速的通用性设计[J]. 计算机工程与科学, 2023, 45(04): 577-581.
[15]	朱英, 田增, 陈叶, 蒋毅飞, 李彦哲, 刘晓强. 一款高可靠嵌入式处理器芯片的设计[J]. 计算机工程与科学, 2023, 45(03): 390-397.