Algoritmos de aprendizaje profundo para procesamiento de video en dispositivos Xilin Zynq UltraScale+ de bajo coste
| العنوان: | Algoritmos de aprendizaje profundo para procesamiento de video en dispositivos Xilin Zynq UltraScale+ de bajo coste |
|---|---|
| المؤلفون: | Gil Martínez, Mario |
| المساهمون: | López Buedo, Sergio (Tutor), UAM. Departamento de Tecnología Electrónica y de las Comunicaciones |
| المصدر: | Biblos-e Archivo. Repositorio Institucional de la UAM instname |
| سنة النشر: | 2021 |
| مصطلحات موضوعية: | Telecomunicaciones, Aprendizaje profundo, Redes neuronales, Aprendizaje automático |
| الوصف: | Las redes neuronales han sido la revolución tecnológica de comienzos de este siglo, debido a su gran potencial anteriormente inalcanzable debido al alto nivel de computación requerido para ello. Es por eso que cada año aparece nueva documentación y estudios sobre redes neuronales, puesto que al aumentar la tecnología de procesado se aumenta la capacidad de implementar mejores redes. Aun así a veces no se busca la mejor o más potente solución de entrenamiento de redes más potente, sino una adaptada a cada caso de inferencia, por lo que se buscan opciones de bajo consumo, baja latencia o que puedan ir en sistemas Edge. Es ahí donde aparecen opciones como las FPGA para adaptarse a distintas necesidades, y con ellas Xilinx con el software de Vitis AI con su entorno de desarrollo para implementar redes neuronales sobre sus arquitecturas de hardware de forma más sencilla y dinámica. En este trabajo se parte de la necesidad de explorar la implementación de redes neuronales sobre FPGA para ver su capacidad de dar soluciones a aplicaciones reales, como, en el caso a desarrollar, de clasificación de imágenes mediante CNN. Primero se hace un repaso al estado actual del arte de las redes neuronales desde sus orígenes hasta la actualidad. A continuación, se explica la forma de implementar estos sistemas mediante el software de Vitis AI y las herramientas que proporciona respecto a un desarrollo clásico. Por ultimo se realiza un caso practico del que se parte de una descripción de una red neuronal en Python hasta su despliegue en la placa ZCU104, detallando el flujo de trabajo realizado y obteniendo resultados de rendimiento y precisión para valorar el uso de estas tecnologías como solución de inferencia para redes neuronales. |
| وصف الملف: | application/pdf |
| اللغة: | Spanish; Castilian |
| الوصول الحر: | https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::10bb85765edda4e3242c5c85161bd6fbTest https://hdl.handle.net/10486/698289Test |
| حقوق: | OPEN |
| رقم الانضمام: | edsair.dedup.wf.001..10bb85765edda4e3242c5c85161bd6fb |
| قاعدة البيانات: | OpenAIRE |
| الوصف غير متاح. |