图像处理硬件加速 - - 审查所涉及的操作和当前硬件方法
Costin-Emanuel Vasile1, Andrei-Alexandru Ulmămei1, Călin Bîră1
1Department of Electronic Devices, Circuits and Architectures, National University of Science and Technology Politehnica Bucharest, 060042 Bucharest, Romania.
Journal of imaging
|December 27, 2024
概括
本综述分析了用于图像处理和神经网络推断的硬件加速. 它涵盖了CPU,GPU,ASIC,FPGA和低功耗设备,以实现高效的计算.
科学领域:
- 计算机工程 计算机工程
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 硬件加速对于高效的图像处理和神经网络推断至关重要.
- 传统架构面临着日益增长的计算需求带来的挑战.
研究的目的:
- 提供当前硬件加速技术的深入分析.
- 检查用于图像处理和神经网络部署的硬件平台.
- 考虑解决低功耗,资源有限的设备的解决方案.
主要方法:
- 审查现有的关于硬件加速的文献.
- 分析图像处理和神经网络推理中的关键操作.
- 对CPU-GPU系统,ASIC和FPGA进行比较.
主要成果:
- 详细检查各种硬件加速策略.
- 评估不同平台的性能和效率权衡.
- 识别用于人工智能和图像处理的硬件设计趋势.
结论:
- 硬件加速对于优化图像处理和神经网络任务至关重要.
- 存在各种各样的硬件解决方案,每个都有特定的优势.
- 未来的研究应该专注于边缘计算的节能设计.


