畳み込みニューラルネットワークを用いた単眼深度推定のFPGA実装について

• Item type: SIG Technical Reports(1)
• 公開日: 2020-01-15
• タイトル: 畳み込みニューラルネットワークを用いた単眼深度推定のFPGA実装について
• タイトル / 言語: en
• タイトル: An FPGA Implementation of Monocular Depth Estimation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ニューラルネットワーク
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者名: 佐田, 悠生; 下田, 将之; 佐藤, 真平; 中原, 啓貴
• 著者名(英): Youki, Sada; Masayuki, Shimoda; Shimpei, Sato; Hiroki, Nakahara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 深度推定は 3 次元のシーン解析に不可欠であり，ロボティクスや自動運転，ドローンなどで活用されている．近年の畳み込みニューラルネットワーク (CNN : Convolutional Neural Network) の著しい発展により，様々な画像認識アプリケーションにおいて高い認識精度を達成している．単眼深度推定は CNN を用いた画像認識アプリケーションの一つで，単眼カメラからの RGB 画像からピクセル単位での深度を推定する．単眼深度推定は，LiDAR やステレオカメラなどの高価な深度センサを必要とせず，安価な単眼カメラで実現できるため低コストである．本研究では，単眼深度推定を安価な FPGA に実装することで軽量かつ電力効率に優れたシステムを構築する．MobileNetV1 ベースの CNN を量子化と枝刈りによって最適化を行った．提案アーキテクチャは Depthwise 畳み込みや Pointwise 畳み込み，疎な Pointwise 畳み込みなど様々な畳み込み計算を単一の回路で行う．Intel 社の OpenCL 17.1 を用いてOpenVINO Starter Kit に実装し，52FPS (FramesPer Second) を達成した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Among a lot of image recognition applications, Convolutional Neural Network (CNN) has gained high accuracy and increasing interest. It is rapidly required to implement a real-time and energy-efficient depth estimation in embedded systems. Because depth estimation is important to understand the scene and it is required on many applications such as robotics, 3D modeling and driving automation systems. The monocular depth estimation estimates the depth from a single RGB image. And it is paid attention due to the reliability of a monocular RGB camera, low cost and its small requirement of hardware resource. Moreover, there is the possibility to replace an expensive depth sensor such as a LiDAR or a stereo camera into the general RGB camera. We choose the CNN-based monocular depth estimation since CNN schemes are able to realize accurate and dense estimation. However, CNN schemes require a massive amount of multiplications and it makes difficult to implement an accurate system under limited device resources. To handle this, we adopt 8-bit quantization and weight pruning in order to implement an FPGA with high inference speed. Then, our CNN-based estimation is demonstrated on OpenVINO Starter Kit due to real-time requirements and energy-efficiency. Because CPUs consume too much of power and CPUs are too slow due to the numerous operations in the CNN, FPGA system is better performance per power using a custom design for the depth estimation.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11451459
• 書誌情報: 研究報告システムとLSIの設計技術（SLDM）; 巻 2020-SLDM-190, 号 13, p. 1-6, 発行日 2020-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8639
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会