Design of a multilayer cellular neural network emulator and its implementation on an FPGA device
Çok katmanli bir hücresel sinir ağı emülatörünün tasarlanması ve FPGA üzerinde gerçeklenmesi
- Tez No: 343802
- Danışmanlar: PROF. DR. AHMET VEDAT TAVŞANOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Elektronik mühendisliği eskiden elektrik mühendisliğinin bir alt dalı iken yakın geçmişte artık anadal haline gelmiş ve birçok alt dala ayrılmıştır. Bu alt dallardan birisi de birden fazla mühendislik alanı içine giren görüntü işleme olup görüntü işleme türleri de teknolojinin gelişimine bağlı olarak artmış ve gelişmiştir. Günümüzde çeşitli görüntü işleme uygulamaları gerçekleyebilen analog ve dijital birçok sistem bulunmaktadır. Bu sistemlerden bir tanesi de her bir hücrenin çıkışının komşuluğundaki hücrelerin giriş ve çıkışlarının kullanılarak hesaplandığı bir yapı olarak ortaya atılan hücresel sinir ağıdır(HSA). HSA yapısı sadece görüntü işleme değil örneğin kaotik sistemler ve kısmi türevli diferansiyel denklemlerin çözülmesi gibi uygulamalarda da kullanılmaktadır fakat görüntü işleme dışındaki uygulamalar bu tezin kapsamı dışındadır. HSA, ilk olarak sürekli zamanlı ve uzayda ayrık bir hücreler topluluğu olarak tanımlanmıştır. HSA yapısının görüntü işlemede kullanılması amacıyla her bir piksele ait giriş ve çıkış her bir hücrenin giriş ve çıkışına karşı düşürülür. İki boyutlu HSA hücreleri topluluğu bir uygulamaya özel tümdevre (UÖTD) olarak gerçekleştirilebilir ya da dijital bir donanımla emülasyonu yapılabilir. Günümüze dek analog gerçekleştirmelerde azami çözünürlük 176x144 iken dijital gerçekleştirmelerde ise 640x480 olarak bildirilmiştir. Dijital emülasyonlar için daha yüksek çözünürlükler bildirilmiş olmasına rağmen bu emülasyonların çerçeve hızları önemli ölçüde düşmektedir. Son zamanlarda ortaya atılan ve ikinci nesil gerçek zamanlı hücresel sinir ağı işlemcisi (GZHSAİ-v2) adı verilen bir HSA emülatörü ise yüksek çözünürlüklü full-HD 1080p@60 (1920x1080 çözünürlük, 60 Hz çerçeve hızı) görüntüleri işleyebilmektedir. HSA yapısı ilk uygulamalarda tek katmanlı olarak kullanılmıştır. Bu haliyle birçok görüntü işleme uygulamasını gerçekleyebiliyorken hassasiyet ve duyarlılık isteyen uygulamalar, kompleks sayılarla yapılan işlemler ve yüksek mertebeden kısmi türevli diferansiyel denklemlere sahip sistemlerin modellenmesi gibi algoritmaların tek katmanlı HSA yapısı ile gerçeklenmesi zor ya da imkansız olmaktadır. Bu tezde full-HD 1080p@60 video görüntülerini işleyebilen ayrık zamanlı iki ve çok katmanlı HSA mimarisi tasarımları ve gerçeklenmeleri önerilmiştir. Bu tasarımlar iki ve çok katmanlı GZHSAİ olarak adlandırılmış olup GZHSAİ-v2 yapısına dayanmaktadır. İki katmanlı yapı genel matematiksel modeldeki şablonların tümünü gerçekleyebiliyorken, çok katmanlı yapı için ise yeni bir katman komşuluğu kavramı tanımlanmıştır. Bu kavrama göre katmanlar arası bağlantılar sadece belirli bir komşuluk mesafesiyle sınırlanmıştır. İki katmanlı bir GZHSAİ mimarisi Altera Stratix IV GX 230 modeli bir alanda programlanabilir kapı dizisi (FPGA) üzerinde gerçeklenmiştir. Tasarlanan prototip bu FPGA üzerinde 24 Euler iterasyonu yapabilmektedir. Görünen piksel hızı 124.4 MP/s, piksel saat frekansı 148.5 MHz, veri çıkış hızı ise 124.4 MP/s'dir.
Özet (Çeviri)
Electronics engineering, which was once a subbranch of electrical engineering, became a main branch and separated into many subbranches in the near past. Image processing is one of these subbranches which is also an interdisciplinary engineering topic. Types of image processing are also increased and developed due to the technological advances. Nowadays there are many analog and digital systems, which are capable of realizing various image processing applications. One of these systems is called a cellular neural netwok (CNN), which was put forward as a structure of cells where the output of each cell is computed by using the inputs and outputs of the neighbouring cells. The CNN structure is used in not only image processing tasks but also other types of applications, such as chaotic systems and solving partial differential equations which are beyond the scope of this thesis. The CNN was firstly defined as a continous-time and discrete-space cell-grid. A CNN structure can be used in image processing by corresponding each input and output of an image processing system to the input and output of each cell. The 2-D grid of a CNN can either be implemented as an analog application specific integrated circuit (ASIC), or emulated on a digital hardware. The maximum resolution of the analog and digital implementations to date are 176x144 and 640x480, respectively. There are higher resolutions reported for the digital emulations, however, the frame rate of the emulation drops drastically. A recently introduced CNN emulator called a second generation Real-Time Cellular Neural Network Processor (RTCNNP-v2) is reported to be capable of processing full-HD 1080p@60 (1920x1080 resolution, 60 Hz frame rate) images in real-time. A single-layer CNN structure is generally used in the early CNN applications which is capable of realizing many image processing applications. However, it is either difficult or impossible to realize some applications with a single-layer CNN structure, e.g., algorithms that require more sensitivity, precision, carrying out computations with complex numbers, modelling systems with multi-order partial differential equations, etc. It is reported that these requirements can be met by the introduction of two- and multi-layer CNN structures. In this thesis, the design and implementation stages of the architecture of a generalized two-layer DT CNN emulator and a specialized multi-layer DT CNN emulator are proposed based on the RTCNNP-v2 structure, which are capable of processing full-HD 1080p@60 images in real-time. While a two-layer DT CNN emulator design is capable of realizing all the templates in the general mathematical model, a new measure of layer neigbourhood is defined for the multi-layer DT CNN emulation. This measure limits the intra-layer connections to only neighbouring layers. Furthermore, the proposed measure is extended to support far-neigbourhood interconnections. A two-layer RTCNNP architecture is implemented on an Altera Stratix IV GX 230 FPGA device, with a maximum number of 24 Euler iterations. The visible pixel rate and the pixel clock frequency of the prototype is 124.4 MP/s and 148.5 MHz, respectively, while the throughput is 124.4 MP/s.
Benzer Tezler
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Vehicular visible light communication channel modeling and performance analysis
Araç görünür ışık haberleşmesi kanal modellemesi ve performans analizleri
BUĞRA TURAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SİNEM ÇÖLERİ
- Mekanların konumsal veri ile harita üzerinde ve artırılmış gerçeklik kullanılarak üç boyutta gösterilmesi uygulaması örneği Tour İstanbul
Presenting special places through spatial data on maps and three dimensional space using augmented reality application sample Tour Istanbul
ERSEL BORA
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ
- Construction of a collagen-based, split thickness cornea substitute
Kollajen temelli, yarı kalınlıklı yapay kornea yapımı
AYLİN ACUN
Yüksek Lisans
İngilizce
2013
BiyoteknolojiOrta Doğu Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. VASIF HASIRCI
PROF. DR. BUĞRA
- A software defined network framework in 5G wireless systems
5G kablosuz sistemlerde yazılım temelli ağ iskeleti
GÖKHAN SEÇİNTİ
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK