Анализ перспективы применения платформы ПЛИС для реализации алгоритмов машинного обучения с целью высокоскоростной обработки информации из видеопотока
Автор: Смирнов Артем Владимирович, Власов Евгений Евгеньевич, Пистун Евгений Николаевич
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 1, 2024 года.
Бесплатный доступ
Статья посвящена исследованию перспективы применения платформы программируемых логических интегральных схем (ПЛИС) для реализации алгоритмов машинного обучения с целью высокоскоростной обработки информации из видеопотока. Обосновывается актуальность и значимость темы исследования. Дается краткое обоснование роли и значимости развития применения платформы ПЛИС для реализации алгоритмов машинного обучения. Постулируется, что в настоящее время ПЛИС в среднем более производительна в общих задачах, чем процессор специального назначения. Когда производительность процессора недостаточна и нет готовых схем для решения проблемы, используются ПЛИС, особенно когда речь идет о 100-процентной гарантированной обработке и гарантированной задержке. В отличие от мощного процессора, мощная ПЛИС не требует дополнительной памяти, потребляет меньше энергии и может быть реализована в компактном устройстве. ПЛИС более производительна, но менее гибка с точки зрения реализации некоторых задач. В то же время сфера применения технологии довольно широка. Анализ научной литературы позволил сделать заключение о ее эффективности в различных областях.
Платформы программируемых логических интегральных схем, плис, машинное обучение, видеокамеры, цифровые видеокамеры, программируемые интегральные схемы, платформы, обработка, видеопоток
Короткий адрес: https://sciup.org/148328222
IDR: 148328222 | DOI: 10.18137/RNU.V9187.24.01.P.137
Список литературы Анализ перспективы применения платформы ПЛИС для реализации алгоритмов машинного обучения с целью высокоскоростной обработки информации из видеопотока
- Xu Liu, Hibat Allah Ounifi, Abdelouahed Gherbi, Yves Lemieux, Wubin Li. A hybrid GPU-FPGA-based computing platform for Machine Learning // Procedia Computer Science. 2018. Vol. 141. Pp. 104-111. DOI: https://dx.doi.org/10.1016/j.procs.2018.10.155.
- Зотов В.Б., Терехова К.О., Царапов М.Н. Анализ программ цифровизации в городе Москве // Муниципальная академия. 2020. № 4. С. 8-17. EDN PIFPBW.
- Зотов В.Б., Терехова К.О., Царапов М.Н. Структура цифровых технологий в Москве // Муниципальная академия. 2022. № 2. С. 10-15. EDN WUJRNG. DOI: 10.52176/2304831X_2022_02_10.
- Sun Y., Li J., Xu X., Shi Y. Adaptive Multi-Lane Detection Based on Robust Instance Segmentation for Intelligent Vehicles // IEEE Transactions on Intelligent Vehicles. 2023. Vol. 8. No. 1. Pp. 888-899. DOI: 10.1109/TIV.2022.3158750.
- Harada K., Kanazawa K., Yasunaga M. FPGA-Based Object Detection for Autonomous Driving System // 2019 International Conference on Field-Programmable Technology (ICFPT), Tianjin, China, 09-13 December 2019. Pp. 465-468. DOI: 10.1109/ICFPT47387.2019.00094.
- Угрюмов Е.П. Цифровая схемотехника : Учебное пособие для вузов. Гл. 7. Программируемые логические матрицы, программируемая матричная логика, базовые матричные кристаллы. Изд. 2. СПб. : БХВ-Петербург, 2004. С. 357-389.
- Слюсарь В.И. Разработка схемотехники ЦАР: некоторые результаты. Часть 2 // Первая миля. 2018. № 2 (71). С. 74-78. EDN YWHYJC. DOI: 10.22184/2070-8963.2018.71.2.74.78.
- Scott C. GOWIN Semiconductor Releases the First FPGA with Integrated Bluetooth Radio // GOWIN: Programming for the Future. 2019. November 12. URL: https://www.gowinsemi.com/en/about/detail/latest_news/47/(дата обращения: 18.01.2024).
- Чумаков Д.М., Козлов С.В. Использование ПЛИС в специализированных цифровых видеокамерах // Известия Томского политехнического университета. 2008. Т. 312. № 2. C. 333-335. URL: http://earchive.tpu.ru/handle/11683/2102 (дата обращения: 18.01.2024).