Разработка программно-аппаратной системы технического зрения на основе ПЛИС для распознавания объектов на изображениях и в видеопотоке

Abstract

Данная научная-квалификационная работа посвящена созданию системы распознавания объектов, позволяющей анализировать изображения и видеопоток при помощи современных архитектур сверточных нейронных сетей (СНС). Система позволяет с высокой точностью и в режиме реального времени анализировать изображения. В качестве вычислительного устройства системы используется программируемая логическая интегральная схема (ПЛИС) с низким энергопотреблением при помощи которой проводятся нейровычисления СНС. Разработаны новые способы организации вычислений в такой системе, а также новые алгоритмы параллельных вычислений в слоях аппаратно-реализованных СНС различных подклассов. Для этих способов и алгоритмов проведены комплексные исследования их эффективности.

This graduation thesis is devoted to the development of an object recognition system that allows analyzing images and video streams using modern convolutional neural network (CNN) architectures. The system allows you to analyze images with high accuracy and in real time. As a computing device of the system, a field-programmable gate array (FPGA) with low power consumption is used with the help of which neural calculations of the CNN are carried out. New methods of organizing calculations in such a system, as well as new algorithms for parallel computing in the layers of hardware-implemented CNN of various subclasses, have been developed. For these methods and algorithms, comprehensive studies of their effectiveness have been conducted.