단일 영상 초해상화를 위한 FPGA 기반 효율적인 디컨볼루션 신경망 가속기에 관한 연구 : A study on Efficient FPGA-based Deconvolutional Neural Networks Accelerator for Single Image Super-resolution
- 주제(키워드) 컨볼루션 신경망 , 디컨볼루션 신경망 , 단일 영상 초해상화 , 딥 러닝 , FPGA , 가속기 시스템 , 컴퓨터 아키텍처
- 발행기관 서강대학교 일반대학원
- 지도교수 강석주
- 발행년도 2019
- 학위수여년월 2019. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000063827
- UCI I804:11029-000000063827
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 학위 논문에서, 초해상화에서 대표적으로 사용되는 딥 러닝 알고리즘인 컨볼루션과 디컨볼루션 신경망들을 가속하기 위한 설계 방법론과 시스템 아키텍처이 제안된다. 첫번째로, 학습된 필터들을 기반으로 feature maps의 해상도를 높이는 디컨볼루션 신경망의 연산을 최적화하는 새로운 방법론이 제안된다. 두번째로, 디컨볼루션 층을 더욱 가속하기 위해 Winograd algorithm을 사용한 새로운 연산 계층이 제안된다. 세번째로, 초해상화 알고리즘이 디스플레이 플랫폼들에서 저전력으로 구동되기 위한 새로운 데이터 흐름이 제안된다. 마지막으로 FPGA의 온-칩 메모리만으로 신경망 추론이 가능하도록 초해상화 알고리즘의 파라미터들을 양자화 및 압축을 수행하는 방법들이 소개된다. 실험 평가를 위해 우리는 대표적인 초해상화 알고리즘으로 잘 알려진 FSRCNN에서 하드웨어를 구현했다. 실험 결과 동일한 하드웨어 자원을 사용할 때, 제안하는 디컨볼루션 신경망 가속기는 기존 가속기보다 최대 192.24배 더 속도가 빠르다. 또한, 우리의 초해상화 시스템은 스케일링 펙터가 각각 2, 3, 4일 때, 144.9 GOPS/W, 293.0 GOPS/W, 500.2 GOPS/W의 에너지 효율성을 가진다.
more