Las redes neuronales convolucionales (CNNs) han logrado gran éxito en el procesamiento de imágenes. Sin embargo, la pesada carga computacional que impone dificulta su uso en aplicaciones integradas que tienen limitaciones de consumo de energía y rendimiento. Aunque existen muchos algoritmos de convolución rápidos que pueden reducir la complejidad computacional, aumentan la dificultad de la implementación práctica. Para superar estas dificultades, este documento propone varios diseños de aceleradores de convolución utilizando algoritmos rápidos. Los diseños están basados en la matriz de compuertas programable en campo (FPGA) y muestran un mejor equilibrio entre el procesador de señal digital (DSP) y el recurso lógico, al mismo tiempo que requieren un menor consumo de energía. Los resultados de la implementación muestran que el consumo de energía del diseño del acelerador basado en el algoritmo de Strassen-Winograd es un 21.3% menor que el de los aceleradores convencionales.