Implementazione in FPGA di una rete neurale convolutiva profonda per l'elaborazione in tempo reale di immagini

Naldi, Elisa (2018) Implementazione in FPGA di una rete neurale convolutiva profonda per l'elaborazione in tempo reale di immagini. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria elettronica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons Attribuzione - Non commerciale - Non opere derivate 3.0

Download (3MB)

Abstract

Il seguente progetto di tesi tratta l’implementazione e la verifica delle performance di una CNN, rete neurale convolutiva profonda, composta di 7 layer formali (di cui un layer convolutivo CONV e due fully-connected FC), che ha come scopo l’elaborazione di immagini in tempo reale. Dopo una prima introduzione alle neural network, alle sue applicazioni (in particolar modo nel image-processing e nell’Industry 4.0) e alla tecnica di progettazione FPGA, si descrivono dapprima nel dettaglio tutti i diversi blocchi costitutivi della CNN (programmati in VHDL) e successivamente si riportano i risultati della sua sintesi con commenti relativi alle performance ottenute. In particolar modo, nella trattazione della struttura di ChainOfComponents (nome della CNN implementata), vengono descritti i costituenti dei seguenti layer: (1) CONV, composto dai componenti Kernel e Filter; (2) Non linearità, settata su una funzione ReLU; (3) Maxpooling, basata sulla ricerca del massimo (componente Max); (4) 1° FC, che si appoggia su una interconnessione di elementi di calcolo elementari detti neuroni (NetworkOfNeurons); (5) ReLU del 1° FC; (6) 2° FC; (7) ReLU del 2° FC. Per quanto riguarda invece la trattazione delle performance ottenute, questa si basa su una duplice verifica sull’implementato: un controllo della correttezza funzionale basato sugli applicativi ModelSim e Matlab e una compilazione e sintesi eseguita da Quartus Prime 17.1. Si approfondiscono infine possibili miglioramenti e sviluppi di ChainOfComponents e le sue possibili prospettive future.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Naldi, Elisa
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Bioingegneria elettronica
Ordinamento Cds
DM270
Parole chiave
rete neurale,CNN,DNN,rete neurale convolutiva profonda,FPGA,VHDL,image-processing,elaborazione di immagini,real-time,Kernel,Maxpooling,neuroni,ReLU,Industry 4.0
Data di discussione della Tesi
5 Ottobre 2018
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^