$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

$5\\times5$ CNN 하드웨어 및 전.후 처리기 구현
An Implementation of the $5\\times5$ CNN Hardware and the Pre.Post Processor 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.10 no.5, 2006년, pp.865 - 870  

김승수 (LG 이노텍) ,  전흥우 (금오공과대학교 전자공학부)

초록
AI-Helper 아이콘AI-Helper

셀룰러 신경회로망(Cellular Neural Networks: CNN)은 그 구조가 간단함에도 불구하고 강력한 연산능력을 가지고 있어 영상처리에 이용되어 왔다. 그러나 실제의 대규모 영상에 포함된 화소의 양과 같은 막대한 셀들을 필요로 하는 CNN하드웨어를 구현하는 것은 불가능하다. 본 논문에서는 시 다중화 처리 기법으로 대규모 실영상을 처리할 수 있는 $5\times5$ CNN 하드웨어와 전 후 처리기를 구현하였다. 구현된 $5\times5$ CNN 하드웨어와 전 후 처리기의 성능을 평가하기 위해 $ 레나영상에 대해 윤곽선 검출을 수행하였으며, 약 4,000번의 시다중화 블록처리와 각 블록 마다 10번의 제어 펄스에 의한 파이프라인 동작에 의해 영상처리가 수행되었다. 따라서 본 논문에서 구현된 $5\times5$ CNN 하드웨어와 전 후 처리기를 실영상 처리에 이용할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The cellular neural networks have shown a vast computing power for the image processing in spite of the simplicity of its structure. However, it is impossible to implement the CNN hardware which would require the same enormous amount of cells as that of the pixels involved in the practical large ima...

주제어

#CNN   #Time-multiplexing   #Pre   #Post processor   #OTA   #Pipeline  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 행단위로 블록 영상입 력을 받아들이고 처리된 영상을 행단위로 출력시키는 파이프라인 입 . 출력 구조를 갖는 5x5 CNN 하드웨어 를 구현하였으며, 입 력벨트에 해 당하는 경계값을 포함한 7x7 입력 영상에 대한윤곽선 검출 실험을 통하여 구현된 5x5 CNN 하드웨어의 동작을 검증하였다.
  • 응용될 수 있다. 이에 본 논문에서는 템플릿값을 변경할 수 있도록 OTA를 사용하여 템플릿 회로를 설계함으로써 구현된 회로를 이용하여 다양한 영상 처리가 가능하도록 하였다.
  • 향후 연구과제는 CNN 하드웨어와 전. 후 처리기를 집적화하여 대규모 영상의 다양한영상 처리에 활용할 수 있도록 실용화하는 것이다. 그리고 입.
본문요약 정보가 도움이 되었나요?

참고문헌 (7)

  1. L. O. Chua and L. Yang, 'Cellular neural networks: Applications', IEEE Trans. Circuits and Systems, vol CAS-35, pp. 1273-1289, Oct. 1988 

  2. L. O. Chua and T. Roska, 'The CNN paradigm', IEEE Trans. Circuits and Systems, vol CAS-40, pp. 147-155, March 1993 

  3. Peter L. Venetianer, Tamas Roska, 'Image Compression by Cellular Neural Networks', IEEE Trans. Circuits and Systems, vol CAS-45, pp. 205-215, March 1998 

  4. Bing J. Sheu. and Joongho Choi, 'Neural Information Processing and VLSI', Kluwer Academic Publishers. pp. 97-145,1995 

  5. L. O. Chua, Glen Gulak, 'Cellular Neural Networks and Analog VLSI', Kluwer Academic Publishers. pp. 3-290, 1998 

  6. C.C. Lee and J. Pineda de Gyvez, 'Time Multiplexing CNN Simulator', Proc. IEEE Int. Symposium on Circuits and Syst .pp. 407-410, Dec. 1994 

  7. A. A. H. EL-Shafei and M. I. Sobhy, 'A Time-Multiplexing Simulator for Cellular Neural Network(CNN)', Fifth International Workshop on Cellular Neural Networks and their Applications, pp. 224-229, April 1998 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로