A Resource-Efficient Embedded Iris Recognition System Using Fully Convolutional Networks
A Resource-Efficient Embedded Iris Recognition System Using Fully Convolutional Networks
复制标题
使用全卷积网络的资源高效型嵌入式虹膜识别系统
DOI：
10.1145/3357796
复制
发表时间：
2020
影响因子：
2.2
通讯作者：
Reda, Sherief
中科院分区：
文献类型：
--
作者：
Tann, Hokchhay;Zhao, Heng;Reda, Sherief
全卷积网络（FCN）在虹膜分割中的应用已经取得了可喜的进展。对于移动的和嵌入式系统，一个重大的挑战是，所提出的FCN架构是非常计算要求。在这篇文章中，我们提出了一个资源有效的，端到端的虹膜识别流程，其中包括基于FCN的分割和轮廓拟合模块，其次是Daugman规范化和编码。为了获得准确和高效的FCN模型，我们提出了一个三步的软件/硬件协同设计方法，包括FCN架构探索，精度量化和硬件加速。在我们的探索中，我们提出了多个FCN模型，与以前的工作相比，我们的最佳性能模型每次推理所需的浮点运算减少了50倍，同时实现了新的最先进的分割精度。接下来，我们选择最有效的模型集，并通过使用8位动态定点格式的权重和激活量化来进一步降低其计算复杂度。然后将每个模型合并到端到端流程中，以进行真正的识别性能评估。我们的一些端到端管道在评估的两个数据集上的表现优于以前的最先进水平。最后，我们提出了一种新的动态定点加速器，并充分展示了我们的流程在嵌入式FPGA平台上的软硬件协同设计实现。与嵌入式CPU相比，我们的硬件加速实现了高达8.3倍的加速比的整体流水线，而使用不到15%的可用FPGA资源。我们还提供了FPGA系统和嵌入式GPU之间的比较，显示两个平台的不同优点和缺点。
Applications of fully convolutional networks (FCN) in iris segmentation have shown promising advances. For mobile and embedded systems, a significant challenge is that the proposed FCN architectures are extremely computationally demanding. In this article, we propose a resource-efficient, end-to-end iris recognition flow, which consists of FCN-based segmentation and a contour fitting module, followed by Daugman normalization and encoding. To attain accurate and efficient FCN models, we propose a three-step SW/HW co-design methodology consisting of FCN architectural exploration, precision quantization, and hardware acceleration. In our exploration, we propose multiple FCN models, and in comparison to previous works, our best-performing model requires 50× fewer floating-point operations per inference while achieving a new state-of-the-art segmentation accuracy. Next, we select the most efficient set of models and further reduce their computational complexity through weights and activations quantization using an 8-bit dynamic fixed-point format. Each model is then incorporated into an end-to-end flow for true recognition performance evaluation. A few of our end-to-end pipelines outperform the previous state of the art on two datasets evaluated. Finally, we propose a novel dynamic fixed-point accelerator and fully demonstrate the SW/HW co-design realization of our flow on an embedded FPGA platform. In comparison with the embedded CPU, our hardware acceleration achieves up to 8.3× speedup for the overall pipeline while using less than 15% of the available FPGA resources. We also provide comparisons between the FPGA system and an embedded GPU showing different benefits and drawbacks for the two platforms.
基于相交皮层模型神经网络的高效虹膜识别系统
影响因子：
0.9
作者：
Guangzhu Xu;Zaifeng Zang;Yide Ma
通讯作者：
Yide Ma
利用形态学边缘检测器和小波相位特征的新型虹膜识别系统
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
Ahmad Poursaberi;Babak Nadjar Araabi
通讯作者：
Babak Nadjar Araabi
虹膜识别算法的软硬件协同设计
影响因子：
1.4
作者：
Mariano López;J. Daugman;E. Cantó
通讯作者：
E. Cantó