fpgaHART：一种面向吞吐量的 3D CNN 人体动作识别 FPGA 加速工具流
硬件体系结构
2024-03-05 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
监控系统、自动驾驶车辆、人体监测系统和视频检索仅是众多应用中的少数几个，其中 3D 卷积神经网络被加以利用。然而，其广泛使用受到高计算与存储需求的限制，尤其在集成到资源受限的系统中时。本研究提出了一种工具流，在考虑 FPGA 资源与片外存储器特性的情况下，优化 3D CNN 模型在 FPGA 器件上针对人体动作识别 (Human Action Recognition, HAR) 的映射。所提出的系统采用同步数据流 (Synchronous Dataflow, SDF) 图对设计进行建模，并引入变换以扩展和探索设计空间，从而产生高吞吐量设计。使用所提出的工具流在多种 FPGA 器件上评估了多种 3D CNN 模型，证明其相较于早期手工调优和特定于模型的设计具有提供有竞争力性能的潜力。
引用
@article{arxiv.2305.19896,
title = {fpgaHART: A toolflow for throughput-oriented acceleration of 3D CNNs for HAR onto FPGAs},
author = {Petros Toupas and Christos-Savvas Bouganis and Dimitrios Tzovaras},
journal= {arXiv preprint arXiv:2305.19896},
year = {2024}
}
备注
7 pages, 3 figures, 4 tables. arXiv admin note: substantial text overlap with arXiv:2305.18479