附件C：譯文


利用視皮層模型的圖像識(shí)別的硬件加速性

Kenneth L. Rice, Tarek M. Taha, Christopher N. Vutsinas
電氣與計(jì)算機(jī)工程系，克萊姆森大學(xué)，克萊姆森南卡羅來(lái)納州29634 ，美國(guó)


摘要
在神經(jīng)學(xué)科的最新調(diào)查結(jié)果中發(fā)現(xiàn)許多描述皮層中過(guò)程的新的發(fā)展模式。這些模式在認(rèn)知應(yīng)用上的優(yōu)點(diǎn)非常突出，如圖像分析和運(yùn)動(dòng)控制。本文將提到一種運(yùn)用最新提出的視皮層模型的硬件結(jié)構(gòu)來(lái)加快圖像內(nèi)容識(shí)別的方法。該系統(tǒng)是應(yīng)用基于一套并行計(jì)算機(jī)節(jié)點(diǎn)執(zhí)行一個(gè)FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）而設(shè)計(jì)的。該設(shè)計(jì)對(duì)硬件進(jìn)行了優(yōu)化設(shè)計(jì)，減小了數(shù)據(jù)存儲(chǔ)的要求，并且去掉了乘和除的算法。在121MHZ下運(yùn)行的可重構(gòu)邏輯硬件實(shí)施可以比2GHZ的AMD Opteron處理器提供給系統(tǒng)快148倍的加速能力。該結(jié)果表明，通過(guò)專門(mén)的硬件來(lái)實(shí)現(xiàn)規(guī)模較大的生物模型的加速是可行的。
©2008年埃爾塞維爾有限公司。版權(quán)所有。
關(guān)鍵詞： 硬件； 圖像識(shí)別

1. 引言
圖像內(nèi)容識(shí)別在光學(xué)系統(tǒng)和處理過(guò)程中具有很強(qiáng)的應(yīng)用性[1-3]。然而，總的來(lái)說(shuō)，計(jì)算機(jī)系統(tǒng)識(shí)別物體的圖像比識(shí)別自然生物要困難[4]。有人認(rèn)為，這種能力上的差距在很大程度上是由于基本架構(gòu)的差異，因此在算法的利用上生物大腦與傳統(tǒng)電腦也不相同[5]。大腦的主要部分用來(lái)處理認(rèn)知任務(wù)，如圖像內(nèi)容的分析，學(xué)習(xí)和大腦皮層的運(yùn)動(dòng)控制[4]。這是人大腦的外層部分，它包括一個(gè)相當(dāng)統(tǒng)一的結(jié)構(gòu)。過(guò)去十年的研究已散射大量的光進(jìn)入皮層的結(jié)構(gòu)和功能中[6]?；谶@種認(rèn)識(shí)，最近科學(xué)家們提出了皮層的一些數(shù)學(xué)模型[7-10]。這些模式顯然不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)而且有益于各種各樣的應(yīng)用領(lǐng)域。
最近，George 和 Hawkins[8]提出的關(guān)于皮層的貝葉斯網(wǎng)絡(luò)分層模型受到極大的關(guān)注。該模型實(shí)現(xiàn)了在視皮層上可看到的不變模式識(shí)別。George 和 Hawkins[8]表明它能夠很好的執(zhí)行辨認(rèn)在不斷不斷變化下物體的序列圖像。該模型的基礎(chǔ)是Numenta[11]提出的并正在制定的征對(duì)一系列認(rèn)知應(yīng)用的商業(yè)設(shè)計(jì)，它包括圖像內(nèi)容識(shí)別。