고수준 합성을 이용한 엔드투엔드 코사인 영역 CNN의 에너지 효율적인 FPGA 구현

요약

본 논문은 고수준 합성(HLS)을 활용하여 에너지 효율적인 엔드투엔드 코사인 영역 CNN (CD-CNN) 아키텍처를 FPGA에 구현하는 방법을 제시합니다. CD-CNN은 실수 값 DCT 영역 표현을 사용하여 복소수 연산 및 역변환 과정을 생략함으로써 계산 비용을 절감했습니다. 실험 결과, MNIST와 ASCII 데이터셋에서 완전 스펙트럼 FD-CNN 대비 높은 에너지 효율성 향상(최대 2.76배)과 처리량 증가를 입증했습니다.

핵심 포인트

• CD-CNN은 HLS 기반 FPGA 구현을 통해 저전력 엣지 AI에 적합합니다.
• 실수 값 DCT 영역 처리를 도입하여 복소수 연산 및 역변환 과정을 생략했습니다.
• MNIST 데이터셋에서 FD-CNN 대비 에너지 효율성이 1.51배 개선되었습니다.
• 이전 GPU 기반 CD-CNN과 비교 시, FPGA 구현은 에너지 효율성을 12.96배 향상시킵니다.