Comparison of performance of optimized HSI CNN models on desktop and embedded platforms

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F21%3A00009863" target="_blank" >RIV/46747885:24220/21:00009863 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/46747885:24220/21:00008992

Výsledek na webu

<a href="https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9542900" target="_blank" >https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9542900</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.23919/AE51540.2021.9542900" target="_blank" >10.23919/AE51540.2021.9542900</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Comparison of performance of optimized HSI CNN models on desktop and embedded platforms

Popis výsledku v původním jazyce

We compare different platforms for inference of convolutional neural networks in this paper. We trained various neural networks to determine the material in the source hyperspectral cube. Then we convert them to inference format and compare the inference results. We used tools under Xilinx Vitis AI for FPGA implementation. We try to minimize the size of the proposed networks by pruning them and provide further comparisons. FPGA platforms show to be energy efficient but still slower than a graphics card in terms of performance.

Název v anglickém jazyce

Comparison of performance of optimized HSI CNN models on desktop and embedded platforms

Popis výsledku anglicky

We compare different platforms for inference of convolutional neural networks in this paper. We trained various neural networks to determine the material in the source hyperspectral cube. Then we convert them to inference format and compare the inference results. We used tools under Xilinx Vitis AI for FPGA implementation. We try to minimize the size of the proposed networks by pruning them and provide further comparisons. FPGA platforms show to be energy efficient but still slower than a graphics card in terms of performance.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

International Conference on Applied Electronics

ISBN

978-802610972-3

ISSN

18037232

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

IEEE

Místo vydání

—

Místo konání akce

Pilsen

Datum konání akce

1. 1. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—