ハードウェアプラットフォームの計算能力およびストレージリソースの制約により、組み込みシステムを利用して省エネルギーかつ高効率な畳み込みニューラルネットワーク（CNN）を実現することは、依然としてハードウェア設計者が直面する主要な課題です。これに基づき、本稿ではフィールドプログラマブルゲートアレイオンチップシステム（SoC）を用いた異種組み込みシステムの完全な設計を提案します。本設計はカスケード可能な入力多重化構造を採用し、単一のDSPで2つの独立した乗算加算演算を実行することで、外部メモリのアクセスを減らし、システム効率を向上させるとともに、消費電力を低減しています。他の方案と比較して消費電力効率は38.7%以上向上しています。本設計（フレームワーク）は、低コストデバイス上の大規模CNNネットワークに成功裏に展開され、ネットワークモデルの消費電力効率を大幅に向上させました。ZYNQ XC7Z045デバイス上で実現された消費電力効率は最大102 Gops/Wに達しています。さらに、本フレームワークを用いたVGG-16モデルの畳み込み層推論では、フレームレートが10.9 fpsに達し、本設計が電力制約のある環境下でCNN推論を効果的に加速できることを十分に示しています。

ハードウェアアクセラレーション;畳み込みニューラルネットワーク;FPGA;異種SoC