Search this site
Embedded Files
Skip to main content
Skip to navigation
數位矽智產設計實驗室
首頁
關於
指導教授簡介
計畫
研究主題
現在研究主題
AI加速器設計與系統整合
深度學習影像辨識
極化碼解碼器設計
過去研究主題
嵌入式系統設計
繪圖處理器設計
影像處理
機器學習
課程資訊
給未來新生
實驗室設備
生活點滴
榮譽榜
數位矽智產設計實驗室
首頁
關於
指導教授簡介
計畫
研究主題
現在研究主題
AI加速器設計與系統整合
深度學習影像辨識
極化碼解碼器設計
過去研究主題
嵌入式系統設計
繪圖處理器設計
影像處理
機器學習
課程資訊
給未來新生
實驗室設備
生活點滴
榮譽榜
More
首頁
關於
指導教授簡介
計畫
研究主題
現在研究主題
AI加速器設計與系統整合
深度學習影像辨識
極化碼解碼器設計
過去研究主題
嵌入式系統設計
繪圖處理器設計
影像處理
機器學習
課程資訊
給未來新生
實驗室設備
生活點滴
榮譽榜
AI加速器設計與系統整合
近年來,由於水下養殖蓬勃發展,在陸地生活的我們無法透過肉眼去窺探水中養殖生物的世界的全貌,因此我們利用架設水下攝影機去監測養殖生物,並且利用攝影機透過網路串流的方式,將觀測到的水下影像傳輸到後台伺服器,接著我們利用深度學習的技術,使機器有能力自動去判別水下生物的一舉一動,舉凡進食狀態、活動力、生長狀態以及飼料餵食狀況等等,但是在網路串流環境下,傳輸延遲、功耗過高以及硬體使用率效果不彰,針對以上這些問題,我們提出基於深度神經網路的系統優化的整合方案,開發一款提高硬體使用率、降低傳輸延遲及功耗的硬體設計電路,以及針對所開發硬體建置系統整合的全新優化方案。
圖(
一
)提出系統運作概念圖
圖(
二
)
傳輸影片經由FPGA運算輸出影像
開發硬體加速器特色
•1.整合系統中使用AXI4傳輸協定並採用Outstanding模式減少傳輸延遲。
•2.高效率支援1x1、3x3 捲積運算,彈性支援大型核心大小捲積、全連接層、反捲積神經網路。
•3.重構式架構支援Depthwise Convolution以及Pointwise Convolution合併神經層運算,提升硬體使用率以及減少傳輸功耗。
•4.針對神經層架構使用資料合併技術減少近50%的DRAM 存取次數。
圖(
三
)
系統問題示意圖
圖(
四
)設計硬體架構圖
成果影片
介紹
Google Sites
Report abuse
Page details
Page updated
Google Sites
Report abuse