摺積神經網路全連結層FPGA實現之研究
No Thumbnail Available
Date
2016
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
本論文旨在於FPGA ( Field Programmable Gate Array ) [1] [2]平台設計實現全連結架構，並與摺積神經網路結合，成為高速的人工視覺辨識系統。
本論文之基礎建立於類神經網路之全連結的使用，除了將全連結硬體化之外，並與具有即時運算的能力摺積神經網路(Convolutional Neural Network)整合。現存的摺積神經網路系統大多以GPU實現，雖具有高速的運算，但同時也擁有高功率消耗等缺點。雖然以FPGA為主之設計可有效降低功率消耗，但也有許多可改善之處。首先是在運算過程中會產生許多的中繼結果，這會使記憶體增加儲存資料之負擔；其次是現有硬體實現之架構僅具焦於摺積神經網路內的摺積層架構，往往忽略了其他重要架構像是全連接層(Fully-Connected Layer)之設計，根據上述原因導致無法實現高速及高準確度之人工視覺系統。
本系統採用全連結架構做為硬體實現，此架構大致上可分為2個全連結層，利用將這2個層級硬體化，進而實現高速的全連結運算。除了實現高速運算之外，為了提高此系統的辨識率，將以此架構與摺積神經網路整合，使辨識率大幅增加。此系統通常應用於字元及人臉辨識，透過我們的實驗結果顯示此架構適合使用於需要高速運算、高準確度、高可攜度、低功率消耗等的人工視覺辨識系統之應用程式。
Description
Keywords
類神經網路, 全連結, 摺積神經網路, FPGA