${message}

Аппаратная реализация сверточной нейросети на ПЛИС c использованием модельно-ориентированного проектирования

В последнее время во многих областях нашли применение сверточные нейронные сети, от задач распознавания образов, до задач удаления шума и повышения разрешения изображений. Однако запуск сверточных нейронных сетей на ПЛИС имеет ряд трудностей, это отсутствие готовых библиотек, высокая сложность разработки и отладки алгоритма на встраиваемой платформе. В этой работе предлагается обойти описанные выше проблемы используя модельно-ориентированного проектирование, вначале создаться модель алгоритма нейронной сети в среде MATLAB/Simulink, а после из модели по средствам автоматической генерации года получить HDL-описание алгоритма нейронной сети для ПЛИС. В качестве примера рассматривается задача распознавания рукописных цифр.

Статья впервые была представлена на DSPA-2019 21-й Международной Конференции «Цифровая обработка сигналов и её применение». 

Авторы:  инж. Воробьев А.Н, инж., к.т.н. Шидловский Д.Ю., инж., к.т.н. Багров А. А., Центр инженерных технологий и моделирования «Экспонента»

Инженер ЦИТМ Экспонента Воробьев Александр представил на конференции доклад «Аппаратная реализация сверточной нейросети на ПЛИС c использованием модельно-ориентированного проектирования», раскрывающий возможности среды MATLAB по проектированию сверточных нейронных сетей, и по их последующей аппаратной реализацией на ПЛИС. В этом проекте наши инженеры ставили перед собой задачу пройти процесс от разработки архитектуры сети до ее аппаратной реализации наиболее оптимально, с минимальными временными затратами. Как правило нейронный сети запускают на GPU и этот процесс уже отлажен. Запуск сверточных нейронных сетей на ПЛИС имеет ряд трудностей, это отсутствие готовых библиотек, ограниченные аппаратные ресурсы, высокая сложность разработки и отладки алгоритма непосредственно на ПЛИС. В этом докладе наши инженеры показывают, как можно обойти описанные выше проблемы используя модельно-ориентированного проектирование и среду разработки MATLAB/Simulink.


В последнее время во многих областях нашли применение сверточные нейронные сети, от задач удаления шума и повышения разрешена изображений до задач построения современных систем содействия водителю (ADAS) способных распознавать окружающие его объекты: автомобили, дорожные знаки, пешеходов, линии разметки. Однако к этим системам предъявляется рад дополнительных требований: обработка видео в реальном времени и возможность запуска алгоритма на встраиваемых платформах.

Но запуск сверточных нейронных сетей на ПЛИС и на других встраиваемых системах имеет ряд трудностей, это отсутствие готовых библиотек, ограниченные вычислительные ресурсы аппаратной платформы, высокая сложность разработки и отладки алгоритма на встраиваемой платформе. В этой работе предлагается обойти описанные выше проблемы используя модельно-ориентированного проектирование и среду разработки MATLAB/Simulink.

Структурно процесс разработки с использованием модельно-ориентированного проектирования можно разделить на три основных этапа: создание модели алгоритма, уточнение его параметров; подготовка алгоритма к аппаратной реализации; автоматическая генерация кода.

На первом шаге создается структура нейронной сети в MATLAB, сеть обучается на тестовых данных и, при необходимости, ее структура уточняется. На следующем шаге реализуется потоковая модель алгоритма нейронной сети в среде Simulink для работы с потоковым видео, пригодная для аппаратной реализации на ПЛИС. И на третьем шаге используя автоматическую генерацию кода из Simulink моделей получаем HDL-код с описание алгоритма нейронной сети, пригодный для синтеза и запуску его на ПЛИС.

В этой работе в качестве примера по аппаратной реализации сверточной нейронной сети выбрана сеть для распознавания рукописных цифр. В последствии созданную нейронную сеть можно обучить на другом наборе данных – дорожные знаки, автомобильные номера и использовать в системах содействия водителю или в системах фотовидеофиксации для распознавания автомобильных номеров.

Скачать доклад и презентацию к нему можно по ссылке ниже.

Связанное видео "Реализация нейронной сети на ПЛИС".



*
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных . Мы, ООО ЦИТМ "Экспонента" и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных». * - обязательные поля