撮像素子とアナログCNN回路の集積化により画像認識のエネルギーを1/1000倍に
【研究キーワード】
画像認識 / 畳み込みニューラルネットワーク / 撮像素子 / エネルギー / 回路
【研究成果の概要】
深層畳み込みニューラルネットワーク(CNN)を用いた画像認識が高精度の画像認識を行う技術として、車の自動運転用カメラや監視カメラなどにおいて注目されている。CNNモデルの複雑化と画像認識に入力する画像の高解像度化に伴い、畳み込み演算量が年々、爆発的に増加しているため、低消費電力かつ低遅延時間のCNN処理を行うハードウエアが求められている。
そこで、本研究では低消費電力かつ低遅延時間のCNN処理を行う目的で、撮像素子とCNN演算回路を同一ICに集積化した「デジタルIn-Imager二次元畳み込みニューラルネットワークアクセラレータIC」を提案し動作原理を実証した。
【研究の社会的意義】
本研究成果「デジタルIn-Imager二次元畳み込みニューラルネットワークアクセラレータIC」により、将来、深層畳み込みニューラルネットワークを用いた高精度の画像認識を低消費電力かつ低遅延時間に実現可能になることが期待される。
【研究代表者】
【研究種目】基盤研究(B)
【研究期間】2019-04-01 - 2022-03-31
【配分額】16,380千円 (直接経費: 12,600千円、間接経費: 3,780千円)