Procesador de marca de agua de imagen digital basado en aprendizaje profundo
Autores: Lee, Jae-Eun; Kang, Ji-Won; Kim, Woo-Suk; Kim, Jin-Kyum; Seo, Young-Ho; Kim, Dong-Wook
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Procesador de marca de agua de imagen digital basado en aprendizaje profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Investigación
Aprendizaje profundo
Hardware
Marca de agua
Optimización
Redes neuronales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Se ha realizado mucha investigación y desarrollo para implementar redes neuronales profundas para varios propósitos con hardware. Implementamos el algoritmo de aprendizaje profundo con un procesador dedicado. La tecnología de marca de agua para imágenes y videos digitales de ultra alta resolución necesita ser implementada en hardware para operaciones en tiempo real o de alta velocidad. Proponemos una metodología de optimización para implementar un algoritmo de marca de agua basado en aprendizaje profundo en hardware. La metodología de optimización propuesta incluye optimización de algoritmos y de memoria. A continuación, analizamos un sistema de números de punto fijo adecuado para implementar redes neuronales como hardware para marca de agua. Utilizando estos, se propone e implementa una estructura de hardware de un procesador dedicado para marca de agua basado en tecnología de aprendizaje profundo como un circuito integrado específico de la aplicación (ASIC).
Descripción
Se ha realizado mucha investigación y desarrollo para implementar redes neuronales profundas para varios propósitos con hardware. Implementamos el algoritmo de aprendizaje profundo con un procesador dedicado. La tecnología de marca de agua para imágenes y videos digitales de ultra alta resolución necesita ser implementada en hardware para operaciones en tiempo real o de alta velocidad. Proponemos una metodología de optimización para implementar un algoritmo de marca de agua basado en aprendizaje profundo en hardware. La metodología de optimización propuesta incluye optimización de algoritmos y de memoria. A continuación, analizamos un sistema de números de punto fijo adecuado para implementar redes neuronales como hardware para marca de agua. Utilizando estos, se propone e implementa una estructura de hardware de un procesador dedicado para marca de agua basado en tecnología de aprendizaje profundo como un circuito integrado específico de la aplicación (ASIC).