| Περίληψη: | Στην παρούσα διπλωματική εργασία γίνεται ανάλυση της δομής ενός συνελικτικού νευρωνικού δικτύου (cNN) για στερεοσκοπική όραση και παρουσιάζεται μία παράλληλη αρχιτεκτονική προς υλοποίηση σε υλικό, έτσι ώστε το σύστημα να υπολογίζει τις τιμές του βάθους σε πραγματικό χρόνο.
Συγκεκριμένα, έγινε εκτενής ανάλυση μέσω ανακατασκευής του cNN σε διαφορετική πλατφόρμα χωρίς την υποστήριξη πρότυπων βιβλιοθηκών τεχνητών νευρωνικών δικτύων ενώ παράλληλα κατασκευάστηκαν σε γλωσσα περιγραφής υλικού VHDL και εξομοιώθηκαν σε εξομοιωτή ModelSim τα απαραίτητα εξαρτήματα που δομούν την προτεινόμενη παράλληλη αρχιτεκτονική. Τέλος, μέσω υπολογισμών των σφαλμάτων από ακρίβεια των δεδομένων και υπολογισμού του χρόνου εκτέλεσης και των χρονικών περιορισμών, σχεδιάστηκε παράλληλη αρχιτεκτονική, βελτιστοποιημένη ως προς τις απαιτήσεις μνήμης και επιφάνειας υλικού, εύκολα επεκτάσιμη έτσι ώστε να είναι εφικτή η επεξεργασία σε πραγματικό χρόνο ανεξάρτητα από τους περιορισμούς του εκάστοτε κυκλώματος επιτόπια προγραμματιζόμενων πυλών (FPGA) στο οποίο στοχος είναι να μεταφερθεί το cNN.
|
|---|
