Обучаемое двумерное разделяемое преобразование (LST)
LST-модель для классификации изображений на FPGA
Проект исследует применение обучаемого двумерного разделяемого преобразования (Learnable Separable Transform, LST) в нейронных сетях для классификации изображений. Модель ориентирована на аппаратную реализацию.
Замена полносвязных слоёв на композицию LST и точечных операций существенно снижает число параметров при сохранении точности.
Результаты
- Точность LST-1 модели на MNIST: 98.28 %.
- Матрица ошибок и метрики по классам.
- Оценка аппаратной сложности под FPGA.
Участники: Кривальцевич Е.
Руководитель: Вашкевич Максим Иосифович, д.т.н., доцент.
Стек: Python, PyTorch, Verilog, Xilinx Vivado.
Публикации
Поиск по авторам проекта в репозитории БГУИР:
- Нейронные сети на основе обучаемого двумерного разделимого преобразования для классификации изображений: теория и аппаратная реализация
- Исследование эффектов квантования параметров нейронной сети на основе обучаемого разделимого преобразования
- Аппаратная реализация компактной и эффективной нейронной сети для распознавания изображений на основе обучаемого двумерного разделимого преобразования