SqueezeJet：面向深度卷积神经网络的高层次综合加速器设计
计算机视觉与模式识别
2018-11-27 v1 硬件体系结构
摘要
深度卷积神经网络通过在物体识别和物体检测等计算机视觉问题中提供更准确的解决方案，已主导了模式识别领域。大多数此类解决方案伴随着巨大的计算代价，需要数十亿次乘累加操作，从而使其在运行于嵌入式移动（资源与功耗受限）硬件上的实时应用中使用颇具挑战。本工作提出了 SqueezeJet 的架构、高层次综合设计与实现，SqueezeJet 是专为嵌入式系统设计的、用于 SqueezeNet DCNN 架构推理阶段的 FPGA 加速器。结果表明，与运行于嵌入式移动处理器上的 SqueezeNet 软件实现相比，SqueezeJet 可实现 15.16 倍的加速，且 top-5 准确率下降不到 1%。
引用
@article{arxiv.1805.08695,
title = {SqueezeJet: High-level Synthesis Accelerator Design for Deep Convolutional Neural Networks},
author = {Panagiotis G. Mousouliotis and Loukas P. Petrou},
journal= {arXiv preprint arXiv:1805.08695},
year = {2018}
}
备注
The final publication is available at Springer via https://doi.org/10.1007/978-3-319-78890-6_5