Overview
Seit den bahnbrechenden Arbeiten von J. Schmidhuber hat sich im Bereich der visuellen Objektklassifizierung unter dem Stichwort „Deep Learning“ ein neues Forschungsgebiet und mittlerweile ein regelrechter Hype entwickelt. Ursache für den Hype sind vor allem auch die Arbeiten von IT-Firmen im übergeordneten Feld der künstlichen Intelligenz (KI), wie z.B. das Go-Programm „AlphaGo“ von Google, welches im vergangenen Jahr einen der weltbesten Profispieler schlagen konnte. Aber mittlerweile sind diese Technologien auch reif für den Einsatz in der Industrie und das CC ISN stellt ein steigendes Interesse der aktuellen (sowie potentiellen) Forschungspartner an Deep Learning Methoden fest.
Allerdings benötigen Deep Learning Methoden für die Implementierung sehr hoch-performante HW-Ressourcen. Die sog. Convolutional Neural Networks (CNN), welche die Grundlage von Deep Learning Methoden bilden und eine Weiterentwicklung der klassischen Neuronalen Netzwerke auf sehr viele „verborgene“ Neuronenlagen darstellen, müssen für praktische Echtzeitanwendungen auf spezifischen HW-Plattformen (GPUs oder für low-power Applikationen vor allem auch FPGAs) implementiert werden. Daher muss ein umfassendes Angebot im Bereich Deep Learning neben den Kompetenzen im Bereich der Algorithmen und deren Umsetzung in einer SW-Implementierung fast zwangsläufig auch eine passende HW-Plattform bieten.
Zusätzlich hat sich im CC ISN in den letzten Jahren sowohl im Bereich Kommunikation als auch im Bereich Vision im Rahmen verschiedener Projekte herausgestellt, dass vor allem die Möglichkeit einer simultanen und optimal aufeinander abgestimmten HW- und SW-Entwicklung (sog. Co-Design) ein spezifisches USP darstellt.
Basierend auf den oben aufgeführten Punkten resultiert der folgende Projektvorschlag:
Entwicklung einer Embedded Vision HW-Plattform, welche speziell auch für hoch performante Anwendungen im Umfeld Deep Learning konzipiert ist.
Dabei sind die high-level Anforderungen an diese Plattform wie folgt:
- Kompakte Single Board Plattform mit Formfaktor maximal 100 x 100 mm
- flexible, anwendungsspezifische Integration verschiedener CMOS-Bildaufnahmesensoren
- flexible, anwendungsspezifische Verwendung einer SoC Prozessorplattform (z.B. Zynq [5]) Bemerkung: Wenn der SoC austauschbar sein soll, würde sich der vorliegende Projektvorschlag nur auf ein Base-Board mit aufsteckbarem SoC-Modul beziehen. Die Lizenzierung eines solchen base-Boards wäre für Kunden a.m.S. weniger attraktiv als eine Plattform mit gegebenem SoC/Prozessor/FPGA, bei der die Kunden sowohl das Referenzdesign als auch FW-Komponenten (SW und VHDL) lizenzieren können.
- für Kunden lizenzierbare Referenzdesign und FW-Komponeneten
