文献

J-GLOBAL ID：201802218295615278   整理番号：18A0160016

Angel目マッピングCNNへの埋込みFPGAのための完全な設計フロー【Powered by NICT】

Angel-Eye: A Complete Design Flow for Mapping CNN Onto Embedded FPGA

著者 (9件)： Guo Kaiyuan (Department of Electronic Engineering, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China) ,  Sui Lingzhi (Deephi Technology Company Ltd., Beijing, China) ,  Qiu Jiantao (Department of Electronic Engineering, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China) ,  Yu Jincheng (Department of Electronic Engineering, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China) ,  Wang Junbin (Deephi Technology Company Ltd., Beijing, China) ,  Yao Song (Deephi Technology Company Ltd., Beijing, China) ,  Han Song (Department of Electrical Engineering, Concurrent VLSI Architecture group, Stanford University, Stanford, CA, USA) ,  Wang Yu (Department of Electronic Engineering, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China) ,  Yang Huazhong (Department of Electronic Engineering, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems  (IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems)
巻： 37  号： 1  ページ： 35-47  発行年： 2018年 
JST資料番号： B0142C  ISSN： 0278-0070  CODEN： ITCSDI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は,人工知能の領域と多数のコンピュータビジョンアルゴリズムのための強力な候補の成功したアルゴリズムとなっている。しかしCNNの計算量は,従来のアルゴリズムよりもはるかに高かった。GPU加速の助けを借りて,CNNに基づくアプリケーションは,サーバにおける広く展開されている。しかし,埋め込みプラットフォームのための,CNNに基づく解を適用するにはあまりにも複雑である。フィールドプログラマブルゲートアレイ(FPGA)に及ぼす各種の専用ハードウェアによる設計がCNNを加速するために行われてきたが,それらのいくつかは高速展開と高出力効率の両方のための全設計フローを調べた。本論文では,最新のCNNモデルとCNNに基づく応用を調べた。記憶,計算とシステムの柔軟性への要求は,埋め込まれたFPGA上のCNNをマッピングするための要約した。これらの要求に基づいて,Angel眼,プログラマブルでフレキシブルなCNN加速器構造,データ量子化戦略と編集ツールを提案した。データ量子化戦略は,無視できる精度損失を用いた8ビットまでのビット幅を減少させるのを助ける。編集ツールがあるCNNモデルをハードウェア上に効率よく合成した。Zynq XC7Z045プラットフォーム上で評価し,Angel眼は6×より速く,同じプラットフォームに及ぼす仲間FPGA実装よりも電力効率の5×良好であった。VGGネットワーク,歩行者検出と顔アラインメントの応用はZynq XC7Z020に関する著者らの設計を評価するのに使用される。NIVIDA TK1とTX1プラットフォームは比較のために用いた。Angel眼は類似の性能を達成し,16倍までより良いエネルギー効率を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ネットワーク ,  アラインメント ,  編集 ,  応用プログラム ,  柔軟性 ,  ハードウェア ,  *FPGA ,  量子化 ,  人工知能 ,  電力効率 ,  アルゴリズム ,  計算量
準シソーラス用語： FPGA実装 ,  専用ハードウェア ,  *設計フロー , 【Automatic Indexing@JST】

分類 (2件)： CAD,CAM  (JE10000A) ,  集積回路一般  (NC03161C)

タイトルに関連する用語 (5件)： マッピング ,  CNN ,  埋込み ,  FPGA ,  設計フロー