IoT Edge Computing Neural Networks on Reconfigurable Logic

Detalhes bibliográficos
Autor(a) principal: Barreto, Ricardo Manuel Carriço
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/87970
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_caef25d1fc2bca620b55db25b6ef435a
oai_identifier_str oai:estudogeral.uc.pt:10316/87970
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling IoT Edge Computing Neural Networks on Reconfigurable LogicIoT Edge Computing Neural Networks on Reconfigurable LogicComputação LocalIoTCNNFPGADispositivos InteligentesEdge ComputingIoTCNNFPGAIntelligent DevicesDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaNos últimos anos, temos visto a expanção da inteligência artificial em diferentes áreas e dispositivos. No entanto, no ecossistema IoT, temos uma tendência constante a usar a computação na nuvem para armazenar e processar as vastas quantidades de dados geradas por estes dispositivos, devido aos recursos locais limitados. Esta dissertação propõe a implementa çãao de dispositivos IoT inteligentes capazes de fornecer informações específicas a partir de dados produzidos a partir de algum sensor, por exemplo uma câmara ou microfone, em vez dos próprios dados brutos. O foco será o processamento de imagens usando CNNs. Essa abordagem é claramente distinta das tendências atuais em dispositivos IoT que usam computação na nuvem para processar os dados produzidos. Pretendemos uma viragem no paradigma estabelecido e procuramos uma abordagem deedge computing. Como o foco ser ão dispositivos pequenos e simples, precisamos de uma solução de baixa potência para o cálculo da CNN. Os dispositivos SoC ganharam popularidade devido à sua heterogeneidade. Este trabalho usará um sistema que combina uma unidade de processamento ARM em conjunto com a FPGA, mantendo baixa potência e aproveitando a FPGA para obter um alto desempenho. O HADDOC2 será usado como uma ferramenta que converterá o código CNN em VHDL para ser sintetizado na FPGA, enquanto no ARM haverá um sistema que irá gerir todo o processo usando pontes de comunicação com a FPGA e protocolos de comunicação IoT para enviar as informações processadas. No fim é obtido um sistema com uma CNN implementada na FPGA o usando o HPS como gestor de todo o processo e que se comunica com o exterior através do MQTT.In recent years we have seen the emergence of AI in wider application areas and in more devices. However, in the IoT ecosystem there is the tendency to use cloud computing to store and process the vast amounts of information generated by these devices, due to the limited local resources. This dissertation proposes the implementation of smart IoT devices able to provide specific information from raw data produced from some sensor, e.g. a camera or microphone, instead of the raw data itself. The focus will be embedded image processing using Convolutional Neuronal Networks (CNN). This approach is clearly distinct from the current trends in IoT devices that use cloud computing to process the collected data. We intend a twist on the established paradigm and pursue an edge computing approach. Since we are targeting small and simple devices, we need some low power solution for the CNN computation. SoC devices have gained popularity due to their heterogeneity. In our work we use a system that combines an ARM processing unit in conjunction with FPGA, while maintaining low power, taking advantage of FPGA to achieve high performance.HADDOC2 will be used as a tool that will convert CNN to VHDL code to be synthesized to FPGA, while in ARM there will be a system that will manage the entire process using IoT communication protocols to send the processed information. A system with a CNN implemented in the FPGA is obtained using HPS as the manager of the entire process and then this system communicates with the outside through MQTT.2019-09-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/87970http://hdl.handle.net/10316/87970TID:202306445engBarreto, Ricardo Manuel Carriçoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T02:48:44Zoai:estudogeral.uc.pt:10316/87970Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:08:46.702344Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv IoT Edge Computing Neural Networks on Reconfigurable Logic
IoT Edge Computing Neural Networks on Reconfigurable Logic
title IoT Edge Computing Neural Networks on Reconfigurable Logic
spellingShingle IoT Edge Computing Neural Networks on Reconfigurable Logic
Barreto, Ricardo Manuel Carriço
Computação Local
IoT
CNN
FPGA
Dispositivos Inteligentes
Edge Computing
IoT
CNN
FPGA
Intelligent Devices
title_short IoT Edge Computing Neural Networks on Reconfigurable Logic
title_full IoT Edge Computing Neural Networks on Reconfigurable Logic
title_fullStr IoT Edge Computing Neural Networks on Reconfigurable Logic
title_full_unstemmed IoT Edge Computing Neural Networks on Reconfigurable Logic
title_sort IoT Edge Computing Neural Networks on Reconfigurable Logic
author Barreto, Ricardo Manuel Carriço
author_facet Barreto, Ricardo Manuel Carriço
author_role author
dc.contributor.author.fl_str_mv Barreto, Ricardo Manuel Carriço
dc.subject.por.fl_str_mv Computação Local
IoT
CNN
FPGA
Dispositivos Inteligentes
Edge Computing
IoT
CNN
FPGA
Intelligent Devices
topic Computação Local
IoT
CNN
FPGA
Dispositivos Inteligentes
Edge Computing
IoT
CNN
FPGA
Intelligent Devices
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2019
dc.date.none.fl_str_mv 2019-09-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/87970
http://hdl.handle.net/10316/87970
TID:202306445
url http://hdl.handle.net/10316/87970
identifier_str_mv TID:202306445
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133980929294336

Registros relacionados