文献

J-GLOBAL ID：202202216215876265   整理番号：22A1176063

ACE-SNN:3D画像認識のためのエネルギー効率と低遅延ディープスパイキングニューラルネットワークのアルゴリズム-ハードウェア共設計【JST・京大機械翻訳】

ACE-SNN: Algorithm-Hardware Co-design of Energy-Efficient & Low-Latency Deep Spiking Neural Networks for 3D Image Recognition

著者 (4件)： Datta Gourav (Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, United States) ,  Kundu Souvik (Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, United States) ,  Jaiswal Akhilesh R. (Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, United States) ,  Beerel Peter A. (Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, United States)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 16  ページ： 815258  発行年： 2022年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 高品質3D画像認識は,多くのビジョンとロボットシステムの重要な構成要素である。しかし,これらの画像の正確な処理は,計算拡張3D畳込みニューラルネットワーク(CNN)の使用を必要とする。この課題に取り組むために,著者らは,等構造CNNから生成されるスパイキングニューラルネットワーク(SNN)の使用を提案し,量子化意識勾配降下で訓練して,それらの重み,膜漏れ,および発火閾値を最適化した。訓練と推論の両方の間,3D画像のアナログ画素値をスパイクトレインに変換する必要のないSNNの入力層に直接適用した。これは訓練と推論待ち時間を著しく減少させ,高い活性化スパース性をもたらし,計算効率の著しい改善をもたらす。しかしながら,これは,著者らのモデルの最初の層におけるエネルギーハンガリーディジタル乗算を導入し,それは,処理メモリ(PIM)アーキテクチャを用いて緩和することを提案した。本提案を評価するために,3Dおよび3D/2DハイブリッドSNN互換畳込みアーキテクチャを提案し,3D画像認識のための応用としてハイパースペクトル画像(HSI)を選択した。インドピン,パビア大学,Salinas Sceneデータセットにおける5つの時間ステップ(推論待ち時間)と6ビット重量量子化で,それぞれ98.68,99.50,および97.95%の総合試験精度を達成した。特に,標準ディジタルハードウェアを用いて実装されたモデルは,それぞれ,アイソアーキテクチャフル精度と6ビット量子化CNNよりも,ΔΣ560.6×とΔλ44.8×平均エネルギーで,最先端(SOTA)と同様の精度を達成した。第1層のPIMアーキテクチャを採用して,さらに平均エネルギー,遅延,およびエネルギー遅延積(EDP)を,それぞれ30,7,および38%改善した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  記憶装置 ,  最適化 ,  畳込み ,  量子化 ,  乗算 ,  *画像 ,  *ハードウェア ,  二次元 ,  待ち時間 ,  *三次元 ,  計算機アーキテクチャ ,  *画像認識
準シソーラス用語： *三次元画像 ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ハイパースペクトル画像 ,  スパイキングニューラルネットワーク ,  量子化意識 ,  勾配降下 ,  メモリの処理

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q)

引用文献 (79件)：

• Agrawal A., Jaiswal A., Lee C., Roy K. (2018). X-SRAM: Enabling in-memory boolean computations in CMOS static random access memories. IEEE Trans. Circ. Syst. I 65, 4219-4232. doi: 10.1109/TCSI.2018.2848999
• Agrawal A., Jaiswal A., Roy D., Han B., Srinivasan G., Ankit A., et al. (2019). Xcel-RAM: accelerating binary neural networks in high-throughput SRAM compute arrays. IEEE Trans. Circ. Syst. I 66, 3064-3076. doi: 10.1109/TCSI.2019.2907488
• Ali M., Chakraborty I., Saxena U., Agrawal A., Ankit A., Roy K. (2021). A 35.5-127.2 tops/w dynamic sparsity-aware reconfigurable-precision compute-in-memory sram macro for machine learning. IEEE Solid State Circ. Lett. 4, 129-132. doi: 10.1109/LSSC.2021.3093354
• Ali M., Jaiswal A., Kodge S., Agrawal A., Chakraborty I., Roy K. (2020). IMAC: in-memory multi-bit multiplication and accumulation in 6t sram array. IEEE Trans. Circ. Syst. I. 67, 2521-2531. doi: 10.1109/TCSI.2020.2981901
• Alipour-Fard T., Paoletti M. E., Haut J. M., Arefi H., Plaza J., Plaza A. (2020). Multibranch selective kernel networks for hyperspectral image classification. IEEE Geosci. Remote Sens. Lett. 1, 1-5. doi: 10.1109/LGRS.2020.2990971

タイトルに関連する用語 (7件)： ACE ,  3D画像 ,  エネルギー効率 ,  低遅延 ,  アルゴリズム ,  ハードウェア ,  設計