2021 Fiscal Year Research-status Report
画像認識処理向け動的分散並列パイプライン機構の研究
| Project/Area Number |
18K04287
|
|---|
| Research Institution | Okayama Prefectural University |
|---|
Principal Investigator |
有本 和民 岡山県立大学, 情報工学部, 教授 (10501223)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 並列パイプライン処理 / ノーマリオフコンピューティング / エッジコンピューティング |
|---|
| Outline of Annual Research Achievements |
本研究は、ソフトウエアとハードウエアFPGAソリューションによる協調設計をベースに、ヘテロジニアスマルチコアアーキテクチャと省電力化に有効なノーマリオフコンピューティング技術を用いて、ターゲットアプリケーションとして、車に搭載される多数のセンサ（センサフュージョン）情報からの認識向けの信号処理を新規な分散並列パイプライン処理アルゴリズムとハードウエアアクセラレーションにより、従来比２桁以上の性能向上のための基本コンセプトの設計・検証を行う事を目的とする。
昨年度に引き続き今年度は、複数のセンサ情報（センサフュージョン）からそのデータを解析するエッジAIコンピューティング技術を用いる高精度の認識処理を研究対象とした。本研究のテーマである分散並列パイプライン処理アルゴリズムの基本検討とエッジAIコンピューティングのハードウエアアクセラレーションアーキテクチャの可能性の基本検討を実施した。高密度、高速・省電力なエッジコンピューティングAIのニューラルネットワークモデルの検討においては、ハードウエア処理とソフトウエア処理の切り分けや、ハードウエア処理における演算要素の再利用性についての検討を実施した。また、センサフュージョンにおいては、センサから出力されるマルチチャンネルデータが、センサの種類によるサンプリングレートの違いや、センサデータ自身の信号処理量等の多様性があり、それらを効率的にハンドリングするプロセッシング手法や情報圧縮の必要性・有効性性の基本評価を実施した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
今年度は、複数のセンサ情報（センサフュージョン）からそのデータを解析するエッジAIコンピューティング技術を用いる高精度の認識処理を評価ターゲットとし、本研究のテーマである分散並列パイプライン処理アルゴリズムの適用可能箇所の抽出のための基本検討とエッジAIコンピューティングにおけるハードウエアアクセラレーション化可能な箇所の抽出と、その処理に適したアルゴリズムとアーキテクチャの基本検討を実施した。
基本検討の題材として、センサフュージョンに対応した非対称な１次元のマルチチャンネル時系列データセットを準備した。また同時にニューラルネットワーク処理のためのセンサのノイズフィルタ前処理の検討を行った。
センサデータの種類毎に異なるサンプリングレート等に対応するために、各前処理の処理量に対応させての、マルチクロックでの消費エネルギーを優先させての処理時間の一定化方式と同時に処理レートの低いセンサの前処理においてのノーマリオフコンピューティング適用の可能性を検討した。また同時にニューラルネットワークプロセッシングにおいても、マルチクロックでの消費エネルギーを優先させたプロセッシングの検討および枝刈りによる省電力化の検討を実施した。
上記の前処理やニューラルネットワークプロセッシングでのソフトウエアとハードウエアの切り分けにおいては、ハードウエア処理でのメモリのFPGAオンチップメモリの有効活用がポイントとなる。各プロセッシングにおけるワークメモリ領域でのデータの再利用率の向上とハードウエア演算機構との組み合わせが、動作速度や消費電力の点で大きなインパクトファクターになることが明らかになった。今回の１次元時系列センサデータでは、FPGAの外付けのDDRメモリを利用しないワークメモリ領域の確保を目指すことが重要となる。
|
| Strategy for Future Research Activity |
今後の研究の方向付けとしては、エッジデバイスで低消費電力・低レイテンシのニューラルネットワーク推論処理を実行するために、今年度検討したマルチセンサシステム（センサフュージョン）での前処理とニューラルネットワークの実装方式の検討結果を踏まえて、FPGA実装を想定した検討を進めていく。
これにより、高い電力効率のFPGAデバイスを使った推論処理アクセラレータとそのハードウェアプラットフォーム基盤技術を確立することが可能となる。特に実装面では、FPGAハードウェアに適した組み込み用ニューラウネットワークアーキテクチャを適用することで、同FPGAに推論処理アクセラレータを実装する。FPGAへの実装方式の違いによって処理スループットと実行時消費電力が変化することを検証し、アプリケーションを想定したシステム性能を評価することで、組み込み用ニューラルネットワークアーキテクチャの有用性を示す。加えて、エッジAIシステムの低消費電力化のために需要な、枝刈り技術との親和性についても検証する。
|
| Causes of Carryover |
コロナ禍での、研究の実行においては、机上検討やシミュレーションを中心に実施したために、並列パイプライン処理機構のFPGA実装およびその評価の実施が次年度に先送りとなったため。
|
Research Products
(3 results)
