합성곱 신경망(convolutional neural networks, CNNs)은 얼굴 인식과 같은 많은 컴퓨터 비전 응용에서 널리 사용되는, 중요하고 강력한 인공지능 접근법으로 점차 인식되고 있다. CNN의 중요성은 복잡한 패턴을 인식하는 데 필수적인 계층적 특징을 학습·획득할 수 있는 능력에 있다. 그럼에도 불구하고 CNN의 복잡한 네트워크 설계는 상당한 계산 요구량을 초래한다. 이러한 문제를 해결하기 위해서는, CNN을 가속하기 위한 field-programmable gate arrays(FPGAs) 기반 시스템을 구축하는 것이 필수적이다. FPGA는 빠른 개발 역량, 에너지 효율성, 지연 시간 감소, 그리고 고도화된 재구성 가능성을 제공한다. 본 연구에서는 딥러닝을 활용한 얼굴 인식 솔루션을 제안하고, 이를 FPGA 플랫폼에 배치한다. 이 시스템은 특정 장소에 출입/접근하는 데 필요한 권한을 개인이 보유하고 있는지 여부를 감지한다. FPGA는 어떠한 인터넷 연결도 없이, 최대한의 보안 수준에서 이 시스템을 처리하는 역할을 담당한다. AlexNet, ResNet, VGG-16을 포함한 다양한 얼굴 인식 네트워크가 구현된다. 제안된 방법의 결과는, 계산 자원 요구량이 더 낮고 처리 속도 및 정확도가 우수하여 GoogLeNet 네트워크가 가장 적합함을 입증한다. 또한 본 시스템은 정확도, 지연 시간, 비용, 전력 소모의 관점에서 서로 다른 프로그래밍 접근의 성능을 평가하기 위해 세 가지 하드웨어 키트에 배치되었다. Raspberry Pi-3B 키트에서의 소프트웨어 프로그래밍은 약 70–75%의 인식 정확도를 보였으며, 처리를 위해 안정적인 인터넷 연결에 의존하였다. 인터넷 연결에 대한 이러한 의존성은 대역폭 소비를 증가시키고, ZYBO-Z7 보드의 하드웨어 프로그래밍과는 달리 요구되는 보안 기준을 충족하지 못한다. 그럼에도 불구하고 PYNQ-Z2 보드에서의 하드웨어/소프트웨어 공동 설계는 85%~87%의 정확도 수준을 달성하였다. 이 시스템은 인터넷 연결과 무관하게 독립적으로 동작하여 독립형 시스템이 되며, 비용도 절감된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.