하드웨어 플랫폼의 계산 능력 및 저장 자원의 제한으로 인해 임베디드 시스템을 활용한 에너지 효율적이고 고성능의 컨볼루션 신경망(CNN) 구현은 여전히 하드웨어 설계자가 직면한 주요 과제입니다. 이에 본 논문에서는 현장 프로그래머블 게이트 어레이(SoC)를 활용한 이기종 임베디드 시스템의 완전한 설계를 제안합니다. 해당 설계는 체인으로 연결 가능한 입력 멀티플렉서 구조를 채용하고 단일 DSP에서 두 개의 독립적인 곱셈 누산 연산을 수행하여 외부 메모리 접근을 줄이고 시스템 효율을 향상시키는 동시에 전력 소모를 감소시켰으며, 타 방안 대비 38.7% 이상의 전력 효율 향상을 보였습니다. 이 설계(프레임워크)는 저비용 장치에서 대규모 CNN 네트워크에 성공적으로 배포되어 네트워크 모델의 전력 효율을 크게 향상시켰으며, ZYNQ XC7Z045 장치에서는 최대 102 Gops/W의 전력 효율을 구현했습니다. 또한 이 프레임워크를 활용한 VGG-16 모델의 컨볼루션 레이어 추론 시 프레임률이 10.9 fps에 달해 전력 제한 환경에서 CNN 추론을 효과적으로 가속할 수 있음을 충분히 입증했습니다.

하드웨어 가속; 컨볼루션 신경망; FPGA; 이기종 SoC