混合粒度可重构视觉处理器关键技术研究

With the development of computer technology and integrated circuit technology, the computer vision based applications, including the human-computer interaction, virtual reality, target recognition, greatly influence people's modes of production and life. The increasing emergence of new computer vision applications requires the vision processor to support real-time processing, low power and algorithm configurability. This project focuses on a comprehensive solution to the issues of real-time processing, low power and flexible algorithm configuration. We proposes a mixed-granularity reconfigurable computing architecture for vision processor, by adopting mixed-granularity heterogeneous processing element(PE) and building the PE array, to improve the efficiency of visual processing and enhance the flexible algorithm configuration capability. Besides, we propose a resource-aware load balancing mechanism to reduce energy consumption. The research of this subject can contribute to the development of visual processing, which provides the hardware platform for the increasingly emerging computer vision applications and meets the needs of a variety of applications. On the other hand, we will investigate the design of mixed-granularity reconfigurable processor, which will help the study of high-end general-purpose processor as well.

随着计算机技术和集成电路技术的发展，基于计算机视觉技术的应用（包括人机交互、虚拟现实、目标识别等）正极大地影响着这人们的生产与生活方式。不断涌现的新型计算机视觉应用对支持视觉处理的视觉处理器提出了实时处理能力、低能耗以及算法灵活配置的全面要求。本课题着眼于综合解决视觉处理所需的实时处理、低能耗和灵活算法配置这三个问题，提出采用混合粒度的可重构计算架构来实现视觉处理器，通过引入细粒度和粗粒度混合的异构计算核，以及基于计算核构建多核可重构阵列来提高视觉处理效率，增强算法的灵活配置能力；通过构建资源感知的负载均衡机制来降低系统能耗。本课题的研究成果一方面可以促进视觉处理技术的发展，为日益涌现的计算机视觉应用提供硬件平台，满足多种应用的需求；另外一方面本课题将探索混合粒度可重构处理器的设计技术，这是对新型处理器架构的有益尝试，相关研究成果将有助于我国通用处理器的研究。

随着计算机技术和集成电路技术的发展，视觉处理技术在国防军事、工业农业、卫生医疗、交通监控等方面发挥了重要作用。视觉处理技术不断涌现的新应用对支持视觉处理的视觉处理器提出了实时的处理能力，低能耗以及灵活的算法配置能力的要求。本项目着眼于综合解决视觉处理所需的实时处理，低能耗和灵活算法配置这三个问题，采用可重构核心计算阵列来解决分类计算多样性的问题，计算阵列可配的并行计算模式大大提高视觉分类的计算效率。以可重构计算阵列为核心，配合异构专用加速单元形成多核异构架构，全面地提高了整个视觉处理器的计算效率。.研究者首先根据项目内容，对计算机视觉算法进行了优化分析，构建出视觉处理框架。针对视觉处理框架中加速空间计算，视觉空间计算，特征生成以及分类器四部分，设计了高效的专用计算架构。针对加速空间中积分直方图的计算，提出了高效的优化策略，设计了可配置的并行计算架构，增强了架构灵活性，提高了加速空间计算效率。而针对视觉空间中访存依赖问题，构建出基于访存数据模式优化模型，提出了移动方向引导的内存划分机制。针对特征计算，提出了高效的优化算法，大幅度减少了计算量，提高了硬件并行性。针对分类器存在多样分类问题，设计了混合模式的可重构阵列计算架构，同时解决了级联分类计算中负载不均衡及基于窗口扫描存在计算冗余的问题。在具体的计算模式上，构建出基于并行计算和软流水计算的混合计算模式，从而可以根据分类计算拓扑，选取最佳的计算模式。最后，基于上面提到的针对加速空间，视觉空间，特征计算和分类器计算等优化技术，进行了集成验证，完成了架构设计，验证等全过程，最终生成了视觉处理器完整IP。本项目研究成果一方面促进了视觉处理技术的发展， 为日益涌现的视觉处理应用提供了硬件平台；另外一方面考虑多个算法的灵活配置，探索高效的可重构处理器技术，推动了我国高端通用处理器的研究。