Presentation title

Implementation and Validation of Convolutional Neural Networks on Embedded Automotive Platforms

Authors

Gianluca Brilli and Paolo Burgio

Institution(s)

Università degli studi di Modena e Reggio Emilia, Italy

Presentation type

Technical presentation

Abstract

Le Convolutional Neural Network (CNN) stanno avendo al giorno d’oggi un notevole successo, e sono effettivamente impiegate in decine di applicazioni, che spaziano dall’industria 4.0, all’autonomous driving, alla medicina. Nell'intervento verrà presentata una validazione delle CNN allo stato dell’arte su piattaforme embedded di nuova generazione. Requisiti sempre più stringenti per dimensioni, peso e consumo di potenza (SWaP) delle nuove piattaforme computazionali, uniti al bisogno di potenza computazionale delle applicazioni di nuova generazione, stanno promuovendo l'adozione di sistemi eterogenei che accoppiano un host multi-core e un acceleratore many-core. In tali piattaforme, le applicazioni vengono tipicamente partizionate in modo che il sottosistema host esegua dei tasks di controllo (es: gestire il trasferimento dei dati da e verso camere e sensori presenti nel sistema), mentre l’acceleratore esegue codice in parallelo in modo efficiente dal punto di vista energetico (nel caso delle reti neurali, i neuroni propriamente detti). In particolare, le architetture che verranno esaminate sono basate su acceleratori GP-GPU e su logiche programmabili (FPGA): si tratta delle tecnologie più avanzate disponibili nel mercato dei system-on-chip embedded (eSoCs), rispettivamente NVIDIA Tegra X2 e Xilinx Ultrascale+ . Verranno presentati confronti tra CNN per objects detection e classificazione: Yolo e le sue varianti per le prime, AlexNet e ZynqNet per le seconde.

---

Additional material

• Presentation slides: [pdf]

For more details on this presentation please click the button below: