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
- 2024.7
- 수록면
- 887 - 890 (4page)
- DOI
- 10.6109/jkiice.2024.28.7.887
이용수
초록· 키워드
오류제보하기
Although CNN shows high performance in the image recognition field, it has great disadvantages. They are to take a long time to perform machine learning due to a lack of system resources, and to consume a lot of power due to the great volume of computation. A convolution layer is a key element of convolutional neural network processing. This paper presents a convolution layer hardware using processing elements with a low-power multiplier. The low-power multiplier reduces the switching activity by increasing the exchange rate between the multiplier and multiplicand. The proposed convolution layer hardware was implemented on the Intel DE1-SoC FPGA Board using Verilog-HDL. The performance was verified by comparing the exchange rate with the existing multipliers when performing multiplications to process convolutional operations for the MNIST image database.
목차
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험결과
Ⅳ. 결론
REFERENCES
참고문헌 (7)
참고문헌 신청
L. Ma and S. Tian, “A Hybrid CNN-LSTM Model for Aircraft 4D Trajectory Prediction,” IEEE Access, vol. 8, pp. 134668-134680, Jul. 2020. DOI: 10.1109/ACCESS.2020.3010963.
T. Yamaguchi and M. Ikehara, “Multi-Stage Dense CNN Demosaicking With Downsampling and Re-Indexing Structure,” IEEE Access, vol. 8, pp. 175168-175168, Sep. 2020. DOI: 10.1109/ACCESS.2020.3025682.
M. Ansari, S. Homayouni, A. Safari, and S. Niazmardi, “A New Convolutional Kernel Classifier for Hyperspectral Image Classification,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 14, pp. 11240-11256, Oct. 2021. DOI: 10.1109/JSTARS.2021.3123087.
N. Y. Shen and O. T. C. Chen, “Low-power multipliers by minimizing switching activities of partial products,” in Proceedings of the 2002 IEEE International Symposium on Circuits and Systems (ISCAS), Phoenix-Scottsdale: USA, pp. IV-IV, 2002.
C. Y. Han, H. J. Park, and L. S. Kim, “A low-power array multiplier using separated multiplication technique,” IEEE Transactions on Circuits and Systems II: Analog and Digital Signal Processing, vol. 48, no. 9, pp. 866-871, Sep. 2001. DOI: 10.1109/82.965002.
T. Yamaguchi and M. Ikehara, “Multi-Stage Dense CNN Demosaicking With Downsampling and Re-Indexing Structure,” IEEE Access, vol. 8, pp. 175168-175168, Sep. 2020. DOI: 10.1109/ACCESS.2020.3025682.
M. Ansari, S. Homayouni, A. Safari, and S. Niazmardi, “A New Convolutional Kernel Classifier for Hyperspectral Image Classification,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 14, pp. 11240-11256, Oct. 2021. DOI: 10.1109/JSTARS.2021.3123087.
N. Y. Shen and O. T. C. Chen, “Low-power multipliers by minimizing switching activities of partial products,” in Proceedings of the 2002 IEEE International Symposium on Circuits and Systems (ISCAS), Phoenix-Scottsdale: USA, pp. IV-IV, 2002.
C. Y. Han, H. J. Park, and L. S. Kim, “A low-power array multiplier using separated multiplication technique,” IEEE Transactions on Circuits and Systems II: Analog and Digital Signal Processing, vol. 48, no. 9, pp. 866-871, Sep. 2001. DOI: 10.1109/82.965002.
함께 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
-
이미지 분류에서 양자화된 딥뉴럴 네트워크를 위한 콘볼루션 계층 하드웨어 구현
전기학회논문지
2025 .04
-
FFT 적용을 통한 Convolution 연산속도 향상에 관한 연구
멀티미디어학회논문지
2021 .11
-
Deep Learning을 위한 GPGPU 기반 Convolution 가속기 구현
전기전자학회논문지
2016 .09
-
합성곱 신경망 병렬 연산처리를 지원하는 저전력 곱셈 프로세싱 엘리먼트 설계
JOURNAL OF PLATFORM TECHNOLOGY
2024 .04
-
Convolution Neural Network Front-end / Back-end Design
대한전자공학회 학술대회
2020 .11
-
YOLO v2 Tiny에서 하드웨어 가속화를 위한 Convolution 구조
대한전자공학회 학술대회
2021 .06
-
CNN 추론 연산 가속을 위한 곱셈 최적화
대한전자공학회 학술대회
2021 .06
-
내장형 합성곱 신경망 시스템을 위한 FPGA 기반 합성곱 연산 가속기 설계
대한전자공학회 학술대회
2024 .06
-
Explainable Grouped Convolution Neural Network Inspired Acoustic-based Mine Recognition for Underwater Surveillance System
한국통신학회 학술대회논문집
2022 .06
-
Convolution Neural Network를 이용한 도로인식 모델
한국정보통신학회 종합학술대회 논문집
2019 .10
-
Attention for Adaptive Convolution in Convolutional Neural Networks for Single Image Super-Resolution
방송공학회논문지
2023 .12
-
합성 곱 신경망의 병렬처리
대한전자공학회 학술대회
2017 .06
-
CNN(Convolution Neural Network) 기반의 심혈관질환 분류
정보 및 제어 논문집
2018 .10
-
다각형 용기의 품질 향상을 위한 딥러닝 구조 개발
전기전자학회논문지
2021 .09
-
그레이스케일 영상의 병렬가산 컨볼루션 알고리즘
한국정보전자통신기술학회 논문지
2017 .08
-
Convolution Neural Network을 이용한 탭홀 비전검사 시스템
Proceedings of KIIT Conference
2021 .11
-
The Research of Face Expression Recognition based on CNN using Tensorflow
JOURNAL OF ADVANCED INFORMATION TECHNOLOGY AND CONVERGENCE
2017 .07
-
문서분류 컨볼루션 신경망(Convolution Neural Network)기반 토마토 병해충 진단
한국통신학회 학술대회논문집
2018 .01
-
고해상도 영상을 위한 합성곱 신경망의 필터 크기에 대한 화질 비교
대한전자공학회 학술대회
2018 .06
이 논문과 함께 이용한 논문
잡음에 강건한 이미지 분류 모델을 위한 다양한 필터 크기를 가진 다중 합성곱 신경망 앙상블 학습 연구
구기범
한국산학기술학회 논문지
2024
.06
합성곱 신경망을 이용한 한국어 손글씨 성별 예측 모델
정수현
,
오제석
,
배재준
외 4명
대한전자공학회 학술대회
2024
.06
입사각 정보를 이용한 합성곱 신경망 기반의 우주표적 분류기 성능 향상
김준선
,
서동욱
전기학회논문지
2024
.09
손상된 센서 복원을 통한 자율주행 센서퓨전 강건성 향상 방안
강아현
,
신수용
한국통신학회 학술대회논문집
2025
.02
자율 주행을 위한 잡음 강건성: 전천후 환경에서의 인식 향상과 Vision Transformer기반 panoptic segmentation
조형찬
,
김성흠
,
김성신
한국정보과학회 학술발표논문집
2024
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-090296981