(1) Deep Neural Network (DNN) training and optimization algorithms for video applications (2) Optimization tool and performance simulation models in Matlab/C/CAFFE (3) Investigation report on DNN structures for video applications and hardware architectures (4) System functional specification of Intelligent Video Accelerator (IVA) FPGA board (5) Micro-architecture specifications of IVA functional modules (6) FPGA implementation and verification of IVA (7) IVA evaluation board and system for video applications (8) Performance evaluation report Customer service deliverables for customer (1): (9) Customized PCIe structured ASIC board with the implementation of intelligent video enhancement (10) Software plug-in for the customized PCIe board Customer service deliverables for customer (2): (11) Customized FPGA bit file of face recognition algorithm
目的： 深度学习技术是构成人工智能的主要支柱之一，也是当前最有希望推动智能应用的一项技术，特別是在视频处理与计算机视觉领域。深度学习技术產业化的主要障碍是缺乏一种高效率的硬件平台来支持所需的海量计算。本项目致力於开发一个专用的硬件加速器，用以承担深度神经网（DNNs）的高强度计算，以及应对各种视频应用中的海量数据。项目的另一个目的是吸引相关的客户进行下一步的大规模应用。 研发策略： 在本项的研发中，將提出一种拓扑映射的微架构来获得高处理性能，並且通过可重构的处理流水线设计来支持各种不同的深度神经网（DNN）结构。此外，將开发训练与优化工具，为各种不同的视频应用训练深度神经网（DNN）模型，並且优化其结构。这些技术都將在FPGA平台上实现和验证。 影响与效益： 本项目的研发成果將强力推动深度学习在视频相关领域的產业化。该加速器的大规模应用將极大提高视频节目生產行业的工作效率，並且帮助提高视频製作与消费领域设备製造商的核心竞爭力。