Login
- Original title:
- Hardware-Software Co-Design of Deep Neural Networks: From Handcrafted to Automated Design and Deployment
- Translated title:
- Hardware-Software-Co-Design neuronaler Netze: Vom manuellen zum automatisierten Entwurf und Einsatz
- Author:
- Al-Fasfous, Nael Y. A.
- Year:
- 2022
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Computation, Information and Technology
- Advisor:
- Stechele, Walter (Prof. Dr.)
- Referee:
- Stechele, Walter (Prof. Dr.); Becker, Jürgen (Prof. Dr.)
- Language:
- en
- Subject group:
- ELT Elektrotechnik
- TUM classification:
- DAT 200
- Abstract:
- This work reinterprets concepts from the mature discipline of hardware-software (HW-SW) co-design to deploy DNNs on edge devices. The resulting co-designed algorithms tackled autonomous driving problems with high efficiency, enabled power-forecasting on multiprocessor chips, provided mask detection during the COVID-19 pandemic, and empowered semi-autonomous prostheses. The contributions of this work in HW-SW co-design of DNNs brought applications with societal impact to edge devices.
- Translated abstract:
- In dieser Arbeit werden Konzepte aus der etablierten Disziplin des HW-SW Co-Designs neu interpretiert, um DNNs auf Edge Devices einzusetzen. Die daraus resultierenden gemeinsam entwickelten Algorithmen lösen Probleme des autonomen Fahrens mit hoher Effizienz, ermöglichen die Leistungsvorhersage auf Multiprozessor-Chips, bieten Maskenerkennung während der COVID-19-Pandemie und ermöglichen halbautonome Prothesen. Die Beiträge dieser Arbeit ermöglichen Anwendungen mit gesellschaftlicher Bedeutung.
- WWW:
- https://mediatum.ub.tum.de/?id=1656745
- Date of submission:
- 04.05.2022
- Oral examination:
- 21.09.2022
- File size:
- 6555140 bytes
- Pages:
- 178
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220921-1656745-1-7
- Last change:
- 08.11.2022
BibTeX