Rozpoznávání objektů v obrazu viditelné kamery pomocí FPGA

Abstract

Po enormním úspěchu architektury hluboké sítě AlexNet v roce 2012, se stalo hluboké učení spolehlivým řešením pro aplikace zpracování obrazů. Nicméně do nedávné minulosti byly tyto aplikace limitovány na vysoce výkonný CPU/GPU, počet parametrů totiž znemožňoval skladování a používání větších neurálních sítí ve věstavených zařízeních. Objevením binárních neurálních sítí a XNOR-konvolucí se tyto limitace odstránili a umožnili použití klasifikátorů s vysokou přesností, malým zpožděním, v reálným čase ve věstavených zařízeních. Naše aplikace implementuje klasifikátor tohoto typu na překonfigurovatelné hardware platformě, FPGA, aby odlehčil hlavní procesor věstaveného sytému od komplexity úkolů.

Since the overwhelming success of the AlexNet deep neural network architecture in the year 2012, deep learning has become the go-to for many image-processing applications. However, until recently they have been limited to the high-performance CPU/GPU world, for the number of parameters made it impossible to store and use larger neural networks in embedded devices. With the advent of binarized neural networks and XNOR-convolutions this limitation has been lifted, and it is now possible to implement high-precision, low latency, real-time classifiers and other image processing solutions on embedded devices. Our application explores such an implementation on a reconfigurable hardware platform, FPGA, to offload the comutational complexity of the task from the main system processor of the embedded system.