АРХИТЕКТУРА СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ С ИЗВЛЕЧЕНИЕМ ПРИЗНАКОВ В СИСТЕМЕ ОСТАТОЧНЫХ КЛАССОВ

УДК 004.855.5

Авторы

Н.И. Червяков, доктор технических наук, заведующий кафедрой Прикладной математики и математического моделирования,
П.А. Ляхов, кандидат физико-математических наук, доцент кафедры Прикладной математики и математического моделирования,
М.В. Валуева, аспирант кафедры Прикладной математики и математического моделирования,
Н.Н. Нагорнов, аспирант кафедры Прикладной математики и математического моделирования,
Г.В. Валуев, магистрант кафедры Прикладной информатики

Аннотация

работе предлагается новая архитектура сверточной нейронной сети (СНС), в которой все слои, отвечающие за выделение признаков, реализованы аппаратно на FPGA с использованием системы остаточных классов (СОК) для увеличения производительности. Таким образом предлагаемая архитектура СНС разделена на аппаратную и программную части. Аппаратное моделирование с использованием FPGA Kintex7 xc7k70tfbg676-2 показало, что использование СОК в сверточном слое нейронной сети позволяет снизить потребление ресурсов на 13,34% по сравнению с традиционной системой счисления. Программное моделирование производилось в среде Matlab 2017b. Сравнение аппаратно-программной реализации с реализацией, выполненной программно, показало, что использование аппаратно-программной архитектуры сокращает среднее время распознавания изображения на 62,66%.

Ключевые слова

обработка изображений, сверточные нейронные сети, система остаточных классов, FPGA.