学習型超解像処理のハードウェア実装に向けた検討

カテゴリ: 研究会(論文単位)

論文No: IIS23020

グループ名: 【D】産業応用部門 次世代産業システム研究会

発行日: 2023/03/06

タイトル(英語): Hardware Implementation of Learning Super-Resolution

著者名: 上原 輝樹(沖縄工業高等専門学校),山田 親稔(沖縄工業高等専門学校)

著者名(英語): Teruki Uehara(National Institute of Technology, Okinawa College),Chikatoshi Yamada(National Institute of Technology, Okinawa College)

キーワード: 超解像|ＦＰＧＡ|ＲＣＡＮ|Super-Resolution|FPGA|RCAN

要約(日本語): 学習型超解像による推定の精度は高く，再構成型超解像に比べ拡大倍率を大きく取ることができる.しかし，復元したい情報がデータベースに存在しない場合，本来画像が持たない構造を復元してしまう問題点がある.様々な学習型超解像モデルが提案されているが，超解像精度の向上を目指し超解像モデルの深層化が進むため，超解像処理の実行速度低下へ繋がっている.高精度の学習型超解像モデルの推論の高速化を実現することができれば，高精度なリアルタイム超解像処理やエッジコンピューティングでの超解像で利用することができる.そのため，本研究では学習型超解像モデルの推論部分のハードウェア実装を行い，処理速度の高速化の実現を目指す._x000D_

要約(英語): In recent years，super-resolution technology has been widely used in surveillance cameras，televisions，and cell phones，and demand for this technology is increasing. The current mainstream learning-type super-resolution is computationally intensive and requires high processing power， and its high power consumption is also a problem. In this study， we focus on FPGAs， which can be used to configure dedicated parallel circuits， and aim to implement super-resolution algorithms on FPGAs. Since a model of RCAN exists in the Vitis-AI library， our goal is to implement it in hardware. We will create a super-resolution application and work on its hardware implementation. In this paper， as a preliminary step to the hardware implementation， we measured the objective evaluation with three different super-resolution models using Opencv in the development environment.

本誌: 2023年3月9日-2023年3月10日次世代産業システム研究会-2

本誌掲載ページ: 41-43 p

原稿種別: 日本語

PDFファイルサイズ: 1,077 Kバイト