权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Image processing networks with low-precision arithmetic

低精度算法的图像处理网络

基本信息

批准号：
22K04107
负责人：
中静真
金额：
$ 1.33万
依托单位：
Chiba Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究の目的は，画像処理を，IoT機器などの極小規模のエッジデバイス上で実現するために，低精度の計算で実現できる深層ネットワークの構成を提案することである．本年度は，マセマティカルモフォロジを用いた拡散過程の深層展開に基づく雑音除去法，ならびに画像欠損の復元法を提案した．2次元関数のラプラシアンに基づく拡散過程は，熱の拡散の物理モデルとして知られており，画像処理においては反復的に画像の平滑化を実現する．本研究では，拡散過程を，深層展開により1回の反復演算を一つのステージとする深層ネットワークの構成へ展開し，それぞれのステージにおいてラプラシアンをマセマティカルモフォロジによる離散近似で実現した．この離散化においては，乗算を使うことなくラプラシアンの計算が実現されるため，ラプラシアンの計算過程においては，語長が増えることなく8ビット符号無し整数演算の範囲で処理が実現できる．この特性から，SIMD(Single Instruction Multiple Dataset)に基づく並列高速計算を用いることができ，さらに，高速なメモリアクセスから高速処理が実現できることを示した．提案した深層ネットワークをARM社のマイクロプロセッサCortex A7上に実装し，他の畳み込み型ニューラルネットワークと実行時間等で比較を行った．比較から，提案法は，雑音除去性能としてピーク信号雑音比で0.6dB程度低いものの，計算速度で10倍，さらにメモリ使用量で1/64以下，パラメータ数が1/20以下で雑音除去を実行することができた．また，画像補間の問題へ適用した場合においても，畳み込み型ニューラルネットワークの1/8位以下のパラメータ数で同等の精度で画像を補間できることを確認した．

The purpose of this study is to propose a new architecture for image processing and IoT devices with very small scale and low precision computing. This year, we propose a new method for the deep development of the dispersion process, the fundamental noise removal method, and the complex method for image loss. The second dimensional correlation method for the fundamental dispersion process, the physical structure of heat dispersion, and the smoothing of repeated images in image processing. In this study, the dispersion process is deeply developed, and the structure of the dispersion process is deeply developed. The discretization of the algorithm is carried out by calculating the length of the algorithm and increasing the length of the algorithm. SIMD(Single Instruction Multiple Dataset) is a basic, parallel, high-speed computing application. The proposal is to compare the implementation time of the proposal with the implementation time of the proposal on Cortex A7. Compared with the proposed method, the noise removal performance is lower than 0.6 dB, the calculation speed is 10 times, the use amount of noise is less than 1/64, and the number of noise is less than 1/20. The problem of image interpolation is applicable to the case where the image interpolation is confirmed.