지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이찬호
- 발행연도
- 2022
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수35
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
지능형 IoT, AR/VR, 자율 주행 자동차 등 전력 및 컴퓨팅 자원이 제한적인 임베디드 엣지 시스템에서 인공지능을 활용한 애플리케이션이 적용되면서, CNN 추론 엔진을 포팅 하는 것은 필수적이게 되었다. 이에 따라 CNN 모델의 효율적인 처리를 위한 연구가 활발하게 진행되고 있으며, FPGA 제조사인 Xilinx, Intel 등에서도 acceleration 솔루션을 제공하며 지속적으로 업데이트하고 있다.
본 논문에서는 FPGA 기반 임베디드 시스템에서 타겟 애플리케이션에 최적화된 모델을 선정하고, 각 layer를 분산하여 연산하는 logic을 설계하고 convolution과 pooling 연산의 통합으로 메모리 접근을 최소화하여 연산 효율에 대한 실험을 하였다. 기존 시스템인 Xilinx DPU core로 구성된 시스템과의 비교 실험을 통해 하드웨어 자원을 최소화하여 약 2.2배의 전력 소모를 줄이고 애플리케이션의 전체 수행 시간을 줄일 수 있었다.
본 논문에서는 FPGA 기반 임베디드 시스템에서 타겟 애플리케이션에 최적화된 모델을 선정하고, 각 layer를 분산하여 연산하는 logic을 설계하고 convolution과 pooling 연산의 통합으로 메모리 접근을 최소화하여 연산 효율에 대한 실험을 하였다. 기존 시스템인 Xilinx DPU core로 구성된 시스템과의 비교 실험을 통해 하드웨어 자원을 최소화하여 약 2.2배의 전력 소모를 줄이고 애플리케이션의 전체 수행 시간을 줄일 수 있었다.
목차
제 1 장 서론 1제 2 장 관련 연구 22.1 딥러닝 22.1.1 CNN 22.1.2 VGGNet 42.2 FPGA 72.2.1 HLS 92.2.2 DPU 11제 3 장 제안 시스템 13제 4 장 실험 결과 214.1 시스템 환경 214.2 실험 결과 24제 5 장 결론 29참고문헌 30
최근 본 자료
댓글(0)
0