12221

پياده‌‍سازي الگوريتم‌هاي يادگيري عميق مبتني بر FPGA

1401

دكتر ستار ميرزاكوچكي

دكتر ستار ميرزاكوچكي

با پيشرفت هاي اخير در زمينه ي تكنولوژِي ديجيتال و همچنين وجود داده هاي معتبر در بستر اينترنت، يكي از شاخه هاي هوش مصنوعي به نام يادگيري عميق ظهور كرد شبكه هاي عصبي كانولوشنال عميق يكي از انواع شبكه هاي عصبي ميباشند و توانايي بالايي در حل مسائل پيچيده ي شناسايي تصوير دارند و به يكي از ابزار هاي مهم در زمينه ي بينايي كامپيوتر تبديل شده اند. به دليل نياز بالاي اين الگوريتم ها به پهناي باند حافظه ي بالا و همچنين عملگر هاي محاسباتي سنگين ، CPU ها گزينه هاي مناسبي براي پياده سازي اين الگوريتم ها نميباشند. اما شتابدهنده هاي سخت افزاري مانند ASIC ها،FPGA ها و GPU ها ميتوانند جايگزين خوبي براي پياده سازي اين الگوريتم ها باشند. اخيرا FPGA ها بدليل توانايي بالادر بوجود اوردن حداكثر موازي سازي و همچنين بهينه بودن در مصرف انرژي براي سرعت بخشيدن به عملكرد اين الگوريتم ها مورد استفاده قرار ميگيرند.

5/24/2023 12:00:00 AM

79396

1402/05/03

implementation of FPGA-based deep learning algoritms

يادگيري عميق , شناسايي تصوير , بينايي كامپيوتر

Deep learning , object detection , computer vision , field programmable gate array(FPGA)