지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.4
- 수록면
- 644 - 654 (11page)
- DOI
- 10.5370/KIEE.2025.74.4.644
이용수
초록· 키워드
오류제보하기
In this paper, we introduce the design of an artificial intelligence (AI) hardware accelerator for a convolutional neural network (CNN) for classification tasks. The architecture of the AI hardware for a CNN model consists of two modules: a striding-padding (SP) module and a convolution layer module. For the classification task, fully-connected layers should follow the CNN model, and hence we also briefly explain the architecture of the fully-connected layer. In the architecture of a CNN model, the SP module manages how to access memories including feature maps and weights by considering the striding and padding operation of a convolution layer, and the convolution layer conducts convolution operation with feature maps and weights that are read from the memories. To verify the AI hardware design through RTL simulation, CNN models are trained in software using a MNIST dataset and a Fashion MNIST dataset. Then, post-training quantization and quantization-aware training, which are representative quantization techniques, are utilized to extract hardware-appropriate weights from the trained CNN models. The quantized weights are loaded to memories, and the validation data from the dataset used to train CNN models are fed to the designed CNN hardware. Finally, the inference results of the hardware are compared with that of the software-trained CNN models, which confirms the correctness of the hardware design.
목차
Abstract
1. 서론
2. 콘볼루션 네트워크 구조 및 양자화 기법
3. 하드웨어 설계
4. RTL 시뮬레이션 검증
5. 결론 및 향후 연구 계획
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
New Approach to Optimize the Size of Convolution Mask in Convolutional Neural Networks
한국컴퓨터정보학회논문지
2016 .01
-
합성곱 신경망 연산을 위한 저전력 콘볼루션 레이어 하드웨어 설계
한국정보통신학회논문지
2024 .07
-
FFT 적용을 통한 Convolution 연산속도 향상에 관한 연구
멀티미디어학회논문지
2021 .11
-
재구성 가능한 모듈 기반 CNN 가속기 구현
한국정보기술학회논문지
2022 .04
-
CNN의 추론 정확도 향상을 위한 하드웨어 구조 연구
대한전자공학회 학술대회
2021 .06
-
1-D 수평 Convolution Filter를 이용한 Super Resolution용 Streaming 구조 CNN 하드웨어 최적화
대한전자공학회 학술대회
2018 .06
-
Survey of the 3D Convolutional Neural Networks for Video Action Recognition
대한전자공학회 학술대회
2022 .06
-
인공 신경망 가속기 온칩 메모리 크기에 따른 주메모리 접근 횟수 추정에 대한 연구
전기전자학회논문지
2021 .03
-
RGB-csb를 활용한 제한된 CNN에서의 정확도 분석 및 비교
한국전자통신학회 논문지
2020 .01
-
YOLO v2 Tiny에서 하드웨어 가속화를 위한 Convolution 구조
대한전자공학회 학술대회
2021 .06
-
CNN 기반의 실사 이미지에 대한 게임 그래픽과 AI 그림 분류 모델 개발
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
CNN 알고리즘의 하드웨어 구현을 위한 고정 소수점 모델 구현 및 성능 분석
대한전자공학회 학술대회
2017 .06
-
CNN의 컨볼루션 레이어, 커널과 정확도의 연관관계 분석
한국전자통신학회 논문지
2019 .01
-
CNN(Convolution Neural Network) 기반의 심혈관질환 분류
정보 및 제어 논문집
2018 .10
-
변형된 잔차블록을 적용한 CNN
멀티미디어학회논문지
2020 .07
-
CNN 기반 잡음 제거: layer 크기에 따른 커널 복원
대한전자공학회 학술대회
2019 .11
-
합성 곱 신경망의 병렬처리
대한전자공학회 학술대회
2017 .06
-
CNN 모델 구조와 하드웨어 동작 특성에 기반한 동적 전력 관리 기법
한국정보과학회 학술발표논문집
2024 .12
-
작은 dataset에 대한 효율적인 CNN 학습방법 연구
한국방송미디어공학회 학술발표대회 논문집
2017 .06
-
정수 연산만을 사용하는 하드웨어 친화적인 양자화된 CNN 구현
전자공학회논문지
2020 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0