Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Μελέτη ενός περιστροφικά αμετάβλητου και υλοποιήσιμου σε υλικό συνελικτικού νευρωνικού δικτύου με χρήση αριθμητικής CORDIC

Michail Sotirios

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/D10A98E6-AFA7-499F-BB74-CC4B5A02BE95-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.98959-
Γλώσσαen-
Μέγεθος95 pagesen
Μέγεθος1.4 megabytesen
ΤίτλοςStudy of a rotationally invariant hardware implementable convolutional neural network using CORDIC arithmeticen
ΤίτλοςΜελέτη ενός περιστροφικά αμετάβλητου και υλοποιήσιμου σε υλικό συνελικτικού νευρωνικού δικτύου με χρήση αριθμητικής CORDICel
ΔημιουργόςMichail Sotiriosen
ΔημιουργόςΜιχαηλ Σωτηριοςel
Συντελεστής [Επιβλέπων Καθηγητής]Dollas Apostolosen
Συντελεστής [Επιβλέπων Καθηγητής]Δολλας Αποστολοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Ioannidis Sotiriosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Ιωαννιδης Σωτηριοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Zervakis Michailen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Ζερβακης Μιχαηλel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
ΠεριγραφήA thesis submitted in fulfillment of the requirements for the Diploma of Electrical and Computer Engineering in the School of Electrical and Computer Engineering, Technical University of Creteen
ΠεριγραφήΔιπλωματική εργασία η οποία υποβλήθηκε στη σχολή ΗΜΜΥ του Πολ. Κρήτης για τη πλήρωση των προϋποθέσεων λήψης του διπλώματος Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστώνel
ΠερίληψηIntroduced in this thesis is an approach in enhancing the rotational invariance of Convolutional Neural Networks (CNNs), through integrating the novel Log-CORDIC algorithm for image pre-processing. This image pre-processing algorithm presents an advantage over existing cartesian-to-polar transform algorithms for images, through the computational advantages of the Coordinate Rotation Digital Computer (CORDIC) algorithm. The results of the novel algorithm are studied and compared with existing transform methods, along with its efficiency improvements, and its ability to enhance rotational invariance in a CNN is ascertained by integrating it into the pipeline of a customized SqueezeNet neural network. Focusing on the CIFAR-10 and MNIST datasets, experiments with this customized SqueezeNet neural network demonstrate an improvement in classification accuracy for images with varied orientations.en
ΠερίληψηΣτην παρούσα διπλωματική εργασία παρουσιάζεται μια προσέγγιση για την ενίσχυση της αμετάβλητης ως προς την περιστροφή των εικόνων εισόδου συμπεριφοράς των Νευρωνικών Δικτύων Συνελικτικής Επεξεργασίας (CNN), μέσω της ενσωμάτωσης ενός νέου αλγορίθμου Log-CORDIC για την προεπεξεργασία εικόνας. Αυτός ο αλγόριθμος προεπεξεργασίας εικόνας παρουσιάζει πλεονεκτήματα έναντι των υφιστάμενων αλγορίθμων μετασχηματισμού εικόνων από καρτεσιανή σε πολική μορφή, μέσω των υπολογιστικών πλεονεκτημάτων του αλγορίθμου CORDIC (Coordinate Rotation Digital Computer). Τα αποτελέσματα του νέου αλγορίθμου μελετώνται και συγκρίνονται με τις υπάρχουσες μεθόδους μετασχηματισμού, μαζί με τις βελτιώσεις της αποδοτικότητάς του, και διαπιστώνεται η ικανότητά του να ενισχύει το αμετάβλητο της περιστροφής σε ένα CNN, ενσωματώνοντάς σε ένα τροποποιημένο νευρωνικό δίκτυο SqueezeNet. Εστιάζοντας στα σύνολα δεδομένων CIFAR-10 και MNIST, τα πειράματα με αυτό το προσαρμοσμένο νευρωνικό δίκτυο SqueezeNet αποδεικνύουν βελτίωση της ακρίβειας ταξινόμησης για εικόνες με ποικίλους προσανατολισμούς.el
ΤύποςΔιπλωματική Εργασίαel
ΤύποςDiploma Worken
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2024-03-04-
Ημερομηνία Δημοσίευσης2024-
Θεματική ΚατηγορίαFPGAen
Θεματική ΚατηγορίαConvolutional neural networksen
Θεματική ΚατηγορίαMachine learningen
Θεματική ΚατηγορίαImage processingen
Βιβλιογραφική ΑναφοράSotirios Michail, "Study of a rotationally invariant hardware implementable convolutional neural network using CORDIC arithmetic", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2024en
Βιβλιογραφική ΑναφοράΣωτήριος Μιχαήλ, "Μελέτη ενός περιστροφικά αμετάβλητου και υλοποιήσιμου σε υλικό συνελικτικού νευρωνικού δικτύου με χρήση αριθμητικής CORDIC", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά