一种基于FPGA和Winograd算法的手写数字识别方法及加速器

本发明涉及卷积神经网络技术领域，公开了一种基于FPGA和Winograd算法的手写数字识别方法及加速器，使用图像传感器采集手写数字图像，并对手写数字图像进行预处理，得到预处理后的手写数字图像，采用MNIST数据库作为训练样本库，以LeNet‑5网络模型为基础模型搭建手写数字识别网络，将预处理后的手写数字图像作为特征图输入基于Winograd算法改进的手写数字识别网络，在FPGA上使用Winograd算法进行卷积处理，经过池化操作后的进入全连接层，在FPGA上实现全连接层，完成权重与输入特征图的乘法和累加操作，通过输出层得到手写数字的识别结果；本发明利用FPGA的并行处理能力和Winograd算法对卷积运算的优化，加速单次卷积速度，提高了识别速度和准确性，能够满足实时性要求较高的应用场景。