FPGA의 제한된 시스템 자원에서의 효율적인 딥러닝 수행을 위한 Floating point에 관한 성능 비교
- 주제(키워드) 임베디드 시스템 , 문자인식 딥러닝
- 발행기관 고려대학교 컴퓨터정보통신대학원
- 지도교수 서태원
- 발행년도 2020
- 학위수여년월 2020. 2
- 학위구분 석사
- 학과 컴퓨터정보통신대학원 소프트웨어공학과
- 원문페이지 32 p
- UCI I804:11009-000000127678
- DOI 10.23186/korea.000000127678.11009.0000954
- 본문언어 한국어
- 제출원본 000046023593
초록/요약
이미지 인식은 대체로 사물을 구분해 내기 위한 이미지 분류와, 사람이 쓴 문자를 실제로 인식하는 연구 등이 많이 이루어진다. 이러한 내용은 CCTV 캡션 인식, 스마트 기계에서의 본인 인증, 해독하기 힘든 문자 인식 등 여러 분야에 접목시킬 수 있다. 하지만 이러한 이미지 인식들은 요구한 연상량과 메모리가 상당히 커야 효율적인 성능을 갖는다는 단점을 갖고 있다. 그래서 대부분의 인식 환경은 고성능의 PC성능을 가져야 하지만 CCTV, 모바일 제품, 차량 등은 그러한 성능을 갖기에 어려움이 있고, 저가이면서 저전력인 시스템이 요구 된다.[1] 본 연구는 위 조건을 충족시키 위해서 임베디드용으로 개발된 Xilinx FPGA를 타겟으로 개발되었다. 그래서 임베디드 보드에서도 유사한 신속성과 정확도를 갖는지 알아보기 위한 연구이다. 1장에서는 임베디드 환경에서 고속처리 할 수 있는 방법을 소개하고, 2장에서는 사용하고자 하는 Floating point에 대해 소개하고, 3장에서, 비슷한 효율을 내기위한 설계를 설명하고, 4장에서 각각 환경에 따른 성능 비교를 한다.
more목차
1. 서론 1
2. 관련 연구 2
2.1 Real-time FCWS implementation using CPU-FPGA architecture 2
2.2 Cascade CNN with CPU-FPGA Architecture 4
3. 관련 이론 7
3.1 관련 이론 7
3.2 관련 알고리즘 9
4. 결과 비교 및 분석 방법 16
4.1 실험 설계 및 테스트 방법 16
4.2 실험 결과 분석 19
5. 결론 및 향후 연구 과제 25
