FPGA 및 YOLOv3-Tiny 기반 임베디드 타겟 탐지 시스템 개발
요약
본 기술 기사는 자원 제한적인 임베디드 환경을 위한 고성능 타겟 탐지 시스템을 개발하는 방법을 제시합니다. YOLOv3-Tiny 같은 경량 CNN 모델과 FPGA 하드웨어 가속기를 결합하여, 저비트 양자화 및 배치 정규화 융합 등의 최적화를 통해 계산 효율성과 자원 활용도를 극대화했습니다.
핵심 포인트
- 임베디드 AI 애플리케이션의 성능 향상을 위해 FPGA와 경량 CNN(YOLOv3-Tiny)을 결합한 시스템을 설계했다.
- 저비트 양자화, 배치 정규화 융합 등 다양한 최적화 기법을 적용하여 모델의 계산 복잡도와 파라미터 수를 줄였다.
- 하드웨어 가속기(FPGA) 설계를 통해 소프트웨어 기반 CNN 연산 대비 높은 효율성과 자원 활용도를 달성했다.
계산 복잡도와 저장 요구 사항은 자원 제한적인 환경에서 컨볼루션 신경망(CNN)의 성능과 효율성에 영향을 미치는 중요한 요소입니다. 본 논문은 임베디드 인공지능 애플리케이션을 위해 특별히 설계된 FPGA 및 YOLOv3-Tiny 기반 고성능 임베디드 타겟 탐지 시스템을 제시합니다. 경량 CNN 최적화 기술을 하드웨어 가속기 설계와 통합함으로써 계산 효율성과 자원 활용 측면 모두에서 상당한 개선을 이루었습니다. 저비트 양자화(low-bit quantization), 배치 정규화 융합(batch normalization fusion), 테이블 조회 매핑(table lookup mapping) 등의 주요 최적화를 통해 모델 파라미터와 계산 복잡도를 줄였습니다. 또한, F
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0