شماره ركورد
24459
شماره راهنما
COM2 676
عنوان
طراحي يك كانوالور دوبعدي تقريبي با تكنيك جلوگيري از واكشي مجدد وزنهاي ورودي
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
مهندسي كامپيوتر - معماري سيستمهاي كامپيوتر
دانشكده
مهندسي كامپيوتر
تاريخ دفاع
1403/11/02
صفحه شمار
60 ص.
استاد راهنما
دكتر مهران رضايي , دكتر مهدي كلباسي
كليدواژه فارسي
كانوالور تقريبي دوبعدي , كانولوشن , فركانس تكرار پيكسلها , معيارهاي ارزيابي خطا
چكيده فارسي
كانوالور دوبعدي يكي از تكنيكهاي اساسي در پردازش تصوير است كه بهمنظور تحليل و پردازش تصاوير ديجيتال به كار ميرود و به فرايند اعمال يك فيلتر (هسته) بر روي يك تصوير اشاره دارد. در اين روش، فيلتر بهصورت يك ماتريس كوچك (معمولاً 3×3 يا 5×5) تعريف ميشود كه با هر پيكسل تصوير تعامل دارد.
بهينهسازي و بهبود عملكرد الگوريتمهاي پردازش تصوير براي سيستمهاي تعبيه شده با استفاده از كانولوشن دوبعدي از اهميت بالايي برخوردار است. اين بهينهسازيها ميتوانند شامل كاهش حجم محاسبات، استفاده از تكنيكهاي فشردهسازي داده، و طراحي هستههاي كانولوشن كارآمدتر باشند تا بتوانند بر محدوديتهاي منابع غلبه كنند و عملكرد بهتري ارائه دهند. محاسبات تقريبي يكي از روشهاي بهينهسازي عمليات كانولوشن است.
در اين پژوهش، يك كانوالور تقريبي دوبعدي باهدف بهبود عملكرد پردازش تصوير از طريق تنظيم ميزان تقريب بر اساس فركانس تكرار پيكسلها پيادهسازي شده است. اين روش بهگونهاي طراحي شده است كه براي پيكسلهاي كمتكرار، تقريب بيشتر و براي پيكسلهاي پرتكرار، تقريب كمتري به كار ميبرد. ارزيابي عملكرد كانوالور پيشنهادي نشان ميدهد كه تأثير اندازه هسته بر عملكرد كانوالور قابلتوجه است. هستههاي كوچك در تصاوير كوچك عملكرد ضعيفي دارند، در حالي كه با افزايش اندازه هسته ، MAE و WCE به طور قابل توجهي كاهش يافته و دقت بهتري در اندازههاي بزرگتر تصوير مشاهده ميشود. همچنين، تجزيه و تحليل خطاها نشان ميدهد كه درصد خطاها و خطاي نسبي با افزايش سايز هسته كاهش مييابند، كه بهبود عملكرد مدل در استخراج ويژگيها از تصاوير بزرگتر را تأييد ميكند.
تأخير مسير بحراني يكي از پارامترهاي كليدي در طراحي مدارهاي ديجيتال است كه به زمان طولانيترين مسير سيگنال در مدار اشاره دارد و اطلاعات مهمي درباره كارايي سيستم ارائه ميدهد. نتايج شبيهسازي وريلاگ براي سه نوع كانوالور با اندازه هسته 3 در 3 و سه سطح تقريب نشان ميدهد كه تأخير در مسير بحراني با افزايش اندازه تصوير ورودي به طور قابلتوجهي افزايش مييابد. كانوالورهاي چندسطحي با تأخير پايينتر نسبت به كانوالورهاي دوبعدي، گزينهاي مناسب براي كاربردهاي حساس به زمان هستند و بهينهسازيهاي طراحي در اين نوع كانوالورها، انتخاب آنها را بر اساس نيازمنديهاي زمان واقعي و حجم دادههاي ورودي ضروري ميسازد.
بهطوركلي، كانوالور تقريبي پيادهسازي شده در اندازههاي بزرگتر تصوير و با استفاده از هستههاي بزرگتر عملكرد خوبي دارد. براي تصاوير كوچك، نياز به بررسيهاي بيشتر و احتمالاً استفاده از تكنيكهاي پيشپردازش وجود دارد. نتايج اين تحقيق نشاندهندهي پتانسيل بالاي كانوالور تقريبي در پردازش تصاوير بزرگتر است و پيشنهاد ميشود كه از هستههاي بزرگتر براي دستيابي به نتايج بهتر در پردازش تصاوير استفاده شود.
كليدواژه لاتين
Approximate 2D convolution , convolution , pixel frequency , error evaluation metrics.
عنوان لاتين
Designing an approximate two-dimensional convolution with a technique to prevent re-fetching of input weights
گروه آموزشي
مهندسي معماري كامپيوتر
چكيده لاتين
2D convolution is one of the fundamental techniques in image processing used for analyzing and processing digital images, referring to the process of applying a filter (or kernel) to an image. In this method, the filter is defined as a small matrix (usually 3×3 or 5×5) that interacts with each pixel of the image.
Optimizing and improving the performance of image processing algorithms for embedded systems using 2D convolution is of great importance. These optimizations can include reducing computational volume, using data compression techniques, and designing more efficient convolution kernels to overcome resource limitations and provide better performance. Approximate computations are one of the optimization methods for convolution operations.
In this research, an approximate 2D convolution has been implemented with the aim of enhancing image processing performance by adjusting the degree of approximation based on the frequency of pixel occurrences. This method is designed to use more approximation for low-frequency pixels and less approximation for high-frequency pixels. The performance evaluation of the proposed convolution shows that the impact of kernel size on convolution performance is significant. Small kernels (3×3 and 4×4) perform poorly on small images (10), while increasing the kernel size to 6×6 and 10×10 significantly reduces MAE and WCE, showing better accuracy on larger image sizes (128 and 255). Additionally, error analysis indicates that both the percentage of errors and relative error decrease with increasing kernel size, confirming improved model performance in feature extraction from larger images.
Overall, the implemented approximate convolution performs well on larger image sizes and with larger kernels. For small images, further investigations and possibly the use of preprocessing techniques are needed. The results of this study demonstrate the high potential of approximate convolution in processing larger images, and it is recommended to use larger kernels to achieve better results in image processing.
تعداد فصل ها
6
فهرست مطالب pdf
121997
نويسنده