Implementação de uma ResNet em FPGA, como método de identificação de objetos

Abstract

O aumento na quantidade de dados e dispositivos embarcados com capacidade de processamento têm resultado na criação de muitos sistemas de tomada de decisão. O uso de aprendizado de máquina é cada vez mais presente em nosso meio, principalmente no que tange a agilidade em se computar dados e inferir resultados de maneira automática e eficiente. Essa automação ganha cada vez mais espaço à medida que os recursos computacionais evoluem e a necessidade de otimização de recursos cresce. É importante ressaltar que o intuito ainda não é substituir por completo o trabalho humano por computadores, mas viabilizar melhores estratégias para que a obtenção de dados e resultados aconteça de forma mais fluída, assertiva e com economia de tempo. O aprendizado de máquina pode proporcionar esses fatores aos seus usuários. Tendo esse pressuposto, este trabalho apresenta a descrição de uma ResNet (Residual Network), completamente do início, em linguagem C para implementação em sistemas FPGA (Field-Programmable Gate Array) e afins, usando para isto tecnologia de síntese de alto nível HLS (High-Level Synthe sis). Para isso, e para a comprovação dos resultados dessa rede, há a necessidade da comparação dos resultados com modelos já prontos e disponíveis. Para essa finalidade, a ferramenta Tensorflow foi escolhida para aferir essa paridade entre elas. Resultados de consumo de área de circuito e desempenho são apresentados.