文献
J-GLOBAL ID:202202288054940342   整理番号:22A0629911

大規模最大プール層予測による3Dビジョンのためのパイプライン化点クラウドベースニューラルネットワークプロセッサ【JST・京大機械翻訳】

A Pipelined Point Cloud Based Neural Network Processor for 3-D Vision With Large-Scale Max Pooling Layer Prediction
著者 (4件):
資料名:
巻: 57  号:ページ: 661-670  発行年: 2022年 
JST資料番号: B0761A  ISSN: 0018-9200  CODEN: IJSCBC  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ポイントクラウドデータは,自律運転,3D再構成,および手姿勢推定(HPE)のような3Dインテリジェントシステムに対して有用な幾何学的情報を提供する。多くのモバイル機器は,それらの限られたハードウェア資源を有する3-Dインテリジェントシステムを実行した。しかしながら,以前のプロセッサは,サンプリンググループ層(SGLs)と畳込み層(CLs)から成る点雲ベースのニューラルネットワーク(PNN)を加速するために設計されなかった。本論文では,モバイルデバイスにおける低待ち時間PNNベース3Dインテリジェントシステム用のパイプラインPNNプロセッサを提案した。プロセッサは,PNNにおけるSGLとCLの両方を加速するためにパイプライン化された不均一アーキテクチャを採用する。ウィンドウベースのサンプリンググループ化(WSG)アルゴリズムは,深さ画像から3Dポイントクラウドデータを直接サンプリングしてグループ化することによって,SGLsにおいてスループット×2.34を上げた。さらに,最大プール(MP)予測コア(MPPC)は,大規模(64-および128-to-1)MP層を予測し,これはスループットをx1.31増加させた。さらに,タイルデータに関するMP予測は,MPPCの待ち時間を隠し,畳み込みコア(CC)におけるインアウトメモリに関するバンクコンフリクト問題を解決した。その結果,プロセッサはPNNベースのHPEシステムを成功裏に実証し,HPE誤差が8.24mm,電力消費が266mWの処理時間が4.45msであった。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
半導体集積回路 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る