利用硬件加速器在边缘端实现实时超维重配置
计算机视觉与模式识别
2022-06-13 v1 硬件体系结构
摘要
在本文中，我们提出利用低SWaP嵌入式硬件的战术边缘超维可重配置分析（HyDRATE），该硬件能够在边缘端进行实时重配置，其结合了非MAC（无浮点乘累加操作）深度神经网络（DNN）与超维（HD）计算加速器。我们描述了一种无乘累加的特征提取器馈入基于超维逻辑的分类器的算法、训练量化模型生成及仿真性能。随后我们展示了性能如何随超维度数增加而提升。我们描述了所实现的低SWaP FPGA硬件与嵌入式软件系统，并与传统DNN进行比较，详述了所实现的硬件加速器。我们讨论了实测的系统延迟与功耗、因使用可学习量化和HD计算带来的噪声鲁棒性、视频活动分类任务的实测与仿真系统性能，以及在同一数据集上重配置的演示。我们展示了现场的可重配置性仅通过重新训练前馈HD分类器即可实现，无需梯度下降反向传播（无梯度），并在边缘端使用少样本学习新类别。初期工作采用LRCN DNN，目前已扩展至采用双流DNN以获得更高性能。
引用
@article{arxiv.2206.05128,
title = {Real-time Hyper-Dimensional Reconfiguration at the Edge using Hardware Accelerators},
author = {Indhumathi Kandaswamy and Saurabh Farkya and Zachary Daniels and Gooitzen van der Wal and Aswin Raghavan and Yuzheng Zhang and Jun Hu and Michael Lomnitz and Michael Isnardi and David Zhang and Michael Piacentino},
journal= {arXiv preprint arXiv:2206.05128},
year = {2022}
}
备注
9 pages, 15 figures. Will be presented in Embedded Vision Workshop at CVPR2022