Vivado HLS实现卷积和池化操作

卷积与池化是卷积神经网络(CNN)中两个最重要的操作，本文主要讲述如何在Vivdao HLS中利用C++实现卷积和池化。

一、什么是卷积操作

对于卷积神经网络，卷积的主要目的是提取输入图像的特征。卷积操作(Convolution)其实并不复杂，它就是卷积核(Filter)在图片(Image)上从左到右、从上到下进行滑动得到特征图(Convolved Feature)的过程。假设现在有一个单通道的原始图片和一个卷积核（图1），卷积过程如图2所示。

                                  图1                                                          图2 

卷积核的通道个数核被卷积图片的通道数相同。当输入的是一个单通道的灰度图时，卷积核的通道个数是一个。当输入的是一个RGB三通道的彩色图片时，卷积核的通道个数是三个。不同的卷积核对应着不同的效果，比如说边缘检测、平滑滤波、锐化模糊等。

                          图3

 一张原始图片可能会得到多个特征图，这取决于卷积核的个数。如图4所示，这里有四个卷积核，得到的特征图也是四个。</