お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2019-11-14 09:40
Wide-SIMDを用いたISAベースのスパースCNNのFPGA実装
神宮司明良佐藤真平中原啓貴東工大RECONF2019-37
抄録 (和) 畳み込みニューラルネットワーク (Convolutional Neural Network : CNN) は画像認識で高い認識性能を達成することから, 自動車や防犯カメラなどの組み込みシステムにおける応用が期待されている.
組み込みシステムは安価なデバイスで実現されること, 電力性能に優れていることが求められる.
画像認識においてCNNは既存手法を大きく上回る識別精度を達成するが, CPUではリアルタイムな処理が実現できず, GPUでは消費電力が大きすぎる. FPGAによる実現は電力性能に優れるが,行列計算などの密な計算能力はGPUに劣る.
CNNの高速化手法として重みスパース化がある.
重みスパース化されたCNNでは, パラメータのほとんどがゼロになり, ゼロを含む積和演算が大部分を占める.
重みスパース化されたCNNを高速に計算するためには, ゼロを含む積和演算をスキップする必要があるが, ゼロ計算をスキップするためにはメモリへのランダムアクセスが必要となる.
一般にシーケンシャルアクセスと比べランダムアクセスは遅い.
特にGPUはランダムアクセスが遅いため, ゼロスキッピングはCNNの計算においてボトルネックとなる.
本論文では, Wide-SIMDを用いたゼロスキッピングを効率的に行うCNN計算のFPGA実装手法を提案する.
SIMD方式の演算アレイを提案し, オンチップメモリを広帯域なバッファとして用いることで, CNNの推論を高速に行う.
Xilinx社Vivado HLSを用いて回路の設計を行い, Digilent社PYNQ-Z1に実装した.
実験の結果, VGGベースのYOLOv2で86 image/sの速度が達成された. 
(英) Convolutional Neural Network (CNN) achieves high recognition performance in image recognition, and is expected to be applied in embedded systems such as automobiles and security cameras.
Embedded systems are required to be realized with inexpensive devices and to have excellent power performance.
In image recognition, CNN achieves a discrimination accuracy much higher than that of existing methods, but the CPU cannot realize real-time processing and the GPU consumes too much power. Computational power is inferior to GPU.
There is weight sparseness as a method for speeding up CNN.
In weighted sparse CNN, most of the parameters are zero, and the product-sum operation including zero accounts for the majority.
In order to calculate the weighted sparse CNN at high speed, it is necessary to skip the multiply-add operation including zero, but to skip zero calculation, random access to the memory is required.
Random access is generally slower than sequential access.
In particular, because GPUs have slow random access, zero skipping is a bottleneck in CNN calculations.
In this paper, we propose an FPGA implementation method of CNN calculation that efficiently performs zero skipping using Wide-SIMD.
We think that CNN inference can be performed at high speed by using a SIMD-type arithmetic array and on-chip memory as a wide-band buffer.
The circuit was designed using Xilinx Vivado HLS and implemented on Digilent PYNQ-Z1.
As a result of the experiment, a speed of 86 image/s was achieved with VGG-based YOLOv2.
キーワード (和) CNN / FPGA / / / / / /  
(英) CNN / FPGA / / / / / /  
文献情報 信学技報, vol. 119, no. 287, RECONF2019-37, pp. 9-14, 2019年11月.
資料番号 RECONF2019-37 
発行日 2019-11-07 (RECONF) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード RECONF2019-37

研究会情報
研究会 VLD DC CPSY RECONF ICD IE IPSJ-SLDM IPSJ-EMB 
開催期間 2019-11-13 - 2019-11-15 
開催地(和) 愛媛県男女共同参画センター 
開催地(英) Ehime Prefecture Gender Equality Center 
テーマ(和) デザインガイア2019 -VLSI設計の新しい大地- 
テーマ(英) Design Gaia 2019 -New Field of VLSI Design- 
講演論文情報の詳細
申込み研究会 RECONF 
会議コード 2019-11-VLD-DC-CPSY-RECONF-ICD-IE-SLDM-EMB-ARC 
本文の言語 日本語 
タイトル(和) Wide-SIMDを用いたISAベースのスパースCNNのFPGA実装 
サブタイトル(和)  
タイトル(英) FPGA implementation of ISA-based sparse CNN using Wide-SIMD 
サブタイトル(英)  
キーワード(1)(和/英) CNN / CNN  
キーワード(2)(和/英) FPGA / FPGA  
キーワード(3)(和/英) /  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 神宮司 明良 / Akira Jinguji / ジングウジ アキラ
第1著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Titech)
第2著者 氏名(和/英/ヨミ) 佐藤 真平 / Shimpei Sato / サトウ シンペイ
第2著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Titech)
第3著者 氏名(和/英/ヨミ) 中原 啓貴 / Hiroki Nakahara / ナカハラ ヒロキ
第3著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Titech)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2019-11-14 09:40:00 
発表時間 25分 
申込先研究会 RECONF 
資料番号 RECONF2019-37 
巻番号(vol) vol.119 
号番号(no) no.287 
ページ範囲 pp.9-14 
ページ数
発行日 2019-11-07 (RECONF) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会