利用视皮层模型的图像识别的硬件加速性[外文翻译].doc

约16页DOC格式手机打开展开

利用视皮层模型的图像识别的硬件加速性[外文翻译],附件c:译文 利用视皮层模型的图像识别的硬件加速性kenneth l. rice,tarek m. taha, christopher n. vutsinas电气与计算机工程系,克莱姆森大学,克莱姆森南卡罗来纳州29634 ,美国摘要在神经学科的最新调查结果中发现许多描述皮层中过程的新的发展模式。这些模式在认知应用上的...
编号:16-97758大小:298.00K
分类: 论文>外文翻译

内容介绍

此文档由会员 qs_f5t2xd 发布

附件C:译文


利用视皮层模型的图像识别的硬件加速性

Kenneth L. Rice, Tarek M. Taha, Christopher N. Vutsinas
电气与计算机工程系,克莱姆森大学,克莱姆森南卡罗来纳州29634 ,美国


摘要
在神经学科的最新调查结果中发现许多描述皮层中过程的新的发展模式。这些模式在认知应用上的优点非常突出,如图像分析和运动控制。本文将提到一种运用最新提出的视皮层模型的硬件结构来加快图像内容识别的方法。该系统是应用基于一套并行计算机节点执行一个FPGA(现场可编程门阵列)而设计的。该设计对硬件进行了优化设计,减小了数据存储的要求,并且去掉了乘和除的算法。在121MHZ下运行的可重构逻辑硬件实施可以比2GHZ的AMD Opteron处理器提供给系统快148倍的加速能力。该结果表明,通过专门的硬件来实现规模较大的生物模型的加速是可行的。
©2008年埃尔塞维尔有限公司。版权所有。
关键词: 硬件; 图像识别

1. 引言
图像内容识别在光学系统和处理过程中具有很强的应用性[1-3]。然而,总的来说,计算机系统识别物体的图像比识别自然生物要困难[4]。有人认为,这种能力上的差距在很大程度上是由于基本架构的差异,因此在算法的利用上生物大脑与传统电脑也不相同[5]。大脑的主要部分用来处理认知任务,如图像内容的分析,学习和大脑皮层的运动控制[4]。这是人大脑的外层部分,它包括一个相当统一的结构。过去十年的研究已散射大量的光进入皮层的结构和功能中[6]。基于这种认识,最近科学家们提出了皮层的一些数学模型[7-10]。这些模式显然不同于传统人工神经网络而且有益于各种各样的应用领域。
最近,George 和 Hawkins[8]提出的关于皮层的贝叶斯网络分层模型受到极大的关注。该模型实现了在视皮层上可看到的不变模式识别。George 和 Hawkins[8]表明它能够很好的执行辨认在不断不断变化下物体的序列图像。该模型的基础是Numenta[11]提出的并正在制定的征对一系列认知应用的商业设计,它包括图像内容识别。