← 返回 JSSC 论文列表JSSC 2010第1期Digital Circuits0.13μm 8-metal CMOS
A 201.4 GOPS 496 mW Real-Time Multi-Object Recognition Processor With Bio-Inspired Neural Perception Engine Joo-Young Kim, Student Member , IEEE, Minsu Kim , Student Member , IEEE, Seungjin Lee , Student Member , IEEE
一款2014年推出的实时多目标识别处理器，采用生物启发式神经网络和模糊逻辑电路，实现高效能低功耗的多目标识别。
201.4 GOPS, 496 mW, 60 frame/sec
多目标识别生物启发神经网络模糊逻辑低功耗
▸创新点1：三阶段流水线架构（系统创新） - 该论文提出了一种将视觉感知、描述符生成和对象决策三个任务直接映射到专用硬件模块的三阶段流水线架构，通过并行执行显著提高了处理吞吐量，实现了201.4 GOPS的实时性能。
▸创新点2：生物启发式神经网络与模糊逻辑电路（方法创新） - 采用仿生神经网络模型模拟人类视觉感知机制，结合模糊逻辑电路处理不确定性，实现了更接近人类认知的多目标注意力分配，支持同时识别10个不同对象。
▸创新点3：任务/功耗管理器（系统创新） - 创新的智能工作负载估计算法动态平衡三阶段执行时间，配合芯片级动态功耗管理，使能效达到8.2 mJ/帧，较现有技术提升3.2倍。
▸创新点4：118.4 GB/s多播网络芯片（电路创新） - 设计高带宽片上网络架构，通过多播通信模式高效连接21个IP核，解决多模块间数据分发瓶颈，带宽较传统方案提升40%
Abstract
Member , IEEE, Minsu Kim , Student Member , IEEE, Seungjin Lee , Student Member , IEEE,
Jinwook Oh, Student Member , IEEE, Kwanho Kim , Student Member , IEEE, and Hoi-Jun Yoo , Fellow, IEEE
Abstract—A 201.4 GOPS real-time multi-object recognition
processor is presented with a three-stage pipelined architecture.
Visual perception based multi-object recognition algorithm is
applied to give multiple attentions to multiple objects in the input
image. For human-like multi-object perception, a neural