ConvNet alapú objektum felismerés FPGA eszközön

OData támogatás
Konzulens:
Dr. Fehér Béla
Méréstechnika és Információs Rendszerek Tanszék

A diplomatervben a konvolúciós neurális hálózatok felépítését, alkalmazását és FPGA implementációját ismertetem. A konvolúciós neurális hálózatok az egyszerű, előrecsatolt neurális hálózatokhoz hasonlóak, viszont a struktúrájuk bonyolult, többféle rétegtípust tartalmaznak. Legfontosabb alkalmazásuk a számítógépes látás, jelenleg a konvolúciós neurális hálózatok jelentik a legmodernebb módszert a képek szemantikai osztályozására és az objektum felismerésre.

A konvolúciós neurális hálózatok számításigénye nagy, emiatt indokolt a GPU-n vagy FPGA-n történő implementációjuk. Jelenleg főleg a GPU alapú megoldások az elterjedtek, de a célhardveren, FPGA-n történő implementációjuk számos előnnyel járhat. Az FPGA megvalósítás nagy feldolgozási sebességet kínál viszonylag alacsony fogyasztással, tehát beágyazott rendszerekben is alkalmazhatók. Dolgozatomban a konvolúciós neurális hálózatok FPGA implementációját részletesen megvizsgálom, és bemutatom néhány objektum felismerésre alkalmas hálózat konkrét megvalósítását.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.