تنفيذ FPGA لشبكات الأعصاب التلافيفية الكمية

تعتبر الشبكات العصبية التلافيفية (CNN) التقنيات الأكثر استخدامًا في مهام رؤية الكمبيوتر. تُستخدم طرق معالجة الصور المعتمدة على CNN على نطاق واسع، خاصة في مجالات مثل التعرف على الوجوه، اكتشاف الأهداف، والتعرف على الكلام. تتطلب معظم حسابات CNN استخدام أجهزة مخصصة، مثل وحدات معالجة الرسوميات. نظرًا لأن هذه الأجهزة ليست محمولة في الحياة الواقعية، هناك حاجة ملحة لتطبيق الشبكات العصبية على FPGAs. توفر عملية التوليف عالي المستوى (HLS) بيئة برمجة جيدة للمطورين، مما يجعل برمجة FPGA أكثر كفاءة. في هذه الورقة، سوف نقدم تصميم معجل لشبكة عصبية تلافيفية كمية (QCNN) يعتمد على HLS، والذي يستفيد من المعلمات التي يتم تقميصها أثناء التدريب والعناصر المعالجة العامة أثناء الاستدلال لتحسين الأداء. يمتلك QCNN عددًا أقل من عمليات المعلمات، لذا فإن لديه ميزة من حيث التخزين على الشريحة. يستخدم معجل QCNN خوارزمية سريعة لتنفيذ التطبيع الدفعي، مما يمكن أن يقلل بشكل كبير من استهلاك الأجهزة مع الحفاظ على الدقة. قمنا بتنفيذ التصميم المقترح على منصة Nexys Video FPGA. وتبلغ تردد الساعة 100 ميجاهرتز وتصل ذروة أداء QCNN إلى 22 GOP/S. أخيرًا، تم تقديم تصميم وتنفيذ نظام معجل QCNN قائم على الفيديو المحمول. نقوم بتوصيل FPGA بكاميرا OV5640 لحل مشكلة تصنيف الصور في نقل الفيديو في الوقت الحقيقي.