~ CNNを用いた画像処理の基礎、FPGAの基礎とストリーム(リアルタイム)画像処理への応用、超解像CNNモデルのFPGA実装技術 ~
・リアルタイムに画像処理をする技術および粗い画像を高解像度化する技術を修得し、高速で移動する物体の検知や移動予測に応用するための講座
・CNNを用いた画像処理やFPGAの基礎から超解像CNNモデルのFPGA実装技術までを修得し、画像の高速処理に活かすためのセミナー!
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
~ CNNを用いた画像処理の基礎、FPGAの基礎とストリーム(リアルタイム)画像処理への応用、超解像CNNモデルのFPGA実装技術 ~
・リアルタイムに画像処理をする技術および粗い画像を高解像度化する技術を修得し、高速で移動する物体の検知や移動予測に応用するための講座
・CNNを用いた画像処理やFPGAの基礎から超解像CNNモデルのFPGA実装技術までを修得し、画像の高速処理に活かすためのセミナー!
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
Field-Programmable Gate Array (FPGA) は、ハードウェア処理の高速性とソフトウェア処理の柔軟性を両立させうるとして注目されている、任意の論理回路をプログラム(書き込み)可能な半導体デバイスであり、画像処理の分野においても広く利用されています。カメラなどから供給され続ける画像データを、専用に構築したパイプラインで流れ作業のように処理するストリーム画像処理により、あらかじめ画像データをメモリに配置してから処理を始めるソフトウェア処理と比べ、高いリアルタイム性(低遅延、高スループット)と電力効率を両立できます。
本セミナーではまず、畳み込み演算を中心とした画像処理と、FPGAの原理および設計フローの基礎を解説します。続いて、ハードウェア記述言語であるSystemVerilogを用いてFPGAにストリーム画像処理を実装する流れを示し、最終的には、畳み込みニューラルネットワーク(CNN)を用いた画像の超解像 (粗い画像から高精細な画像を生成する技術) システムを、完全なパイプラインとしてFPGAに実装します。
本セミナーは事情により開催を中止いたしました
| 開催日時 | 
                                
  | 
							
|---|---|
| 開催場所 | オンラインセミナー | 
| カテゴリー | オンラインセミナー、電気・機械・メカトロ・設備、ソフト・データ・画像・デザイン | 
| 受講対象者 | 
									・リアルタイムでの高速な画像処理に興味がある方 ・FPGAを用いたシステム設計(特に画像処理)に興味がある方  | 
							
| 予備知識 | 
									・Python、NumPyを使った簡単なプログラミングの知識 (SystemVerilogの知識は不要です) ・論理回路の基礎的な知識 (論理式の演算や真理値表、論理ゲートなど) があると理解しやすくなります  | 
							
| 修得知識 | 
									・畳み込みフィルタによる画像処理、畳み込みニューラルネットワーク(CNN)の基礎 ・パイプラインを用いたストリーム画像処理の原理と特徴 ・FPGAを用いた簡単なストリーム画像処理システムの設計・実装技術  | 
							
| プログラム | 
									 1.画像処理の基礎 (1).畳み込みによる画像処理 a.ディジタル画像の表現 b.畳み込みによる空間フィルタリング c.Pythonによる基本的な畳み込みフィルタの実装 (2).畳み込みニューラルネットワーク (CNN) a.ニューラルネットワークの基礎 b.CNNの基本的な構造と学習 
 2.FPGAの基礎とストリーム画像処理 (1).FPGAの原理と回路記述 a.ルックアップテーブル (LUT) による論理回路の表現 b.一般的なFPGAの構造と特徴 c.SystemVerilogを用いた回路記述の例 (2).ストリーム画像処理 a.ラスタスキャンによる画像の伝送 b.パイプラインを用いたストリーム画像処理の原理と特徴 c.基本的な畳み込みフィルタのFPGA実装とシミュレーション 
 3.超解像CNNのFPGA実装 (1).超解像CNNモデルの学習と量子化 a.超解像の基礎と簡単な超解像CNNモデル b.PyTorchによるモデルの構築と学習 c.固定小数点数へのパラメータ量子化 (2).パイプラインによるCNNモデルのFPGA実装 a.SystemVerilogのgenerate-for構文 b.畳み込みモジュールの実装 c.ネットワーク全体の実装とシミュレーション d.Residue Number System (RNS) を使った資源量の削減 
 4.まとめ  | 
							
| キーワード | FPGA 画像処理 高速 ストリーム リアルタイム 超解像 CNN 畳み込みニューラルネットワーク 論理回路 Python SystemVerilog Pytorch パイプライン シミュレーション 半導体デバイス 低遅延 高スループット | 
| タグ | 自動運転・運転支援技術・ADAS、AI・機械学習、SLAM・自己位置推定、カメラ、データ解析、ハードウェア記述言語、画像処理、画像認識、組み込みソフト、ロボット、設計・製図・CAD、FPGA、LSI・半導体 | 
| 受講料 | 
                                    									                                        一般 (1名):49,500円(税込)
                                                                                                                 同時複数申込の場合(1名):44,000円(税込)  | 
							
| 会場 | 
									                                    オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 | 
							
こちらのセミナーは現在募集を締め切っております。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金:9:00~17:00 / 定休日:土日・祝日