Benutzer: Gast  Login
Originaltitel:
Design Space Exploration for Approximate Image Processing on FPGAs
Übersetzter Titel:
Design Space Exploration für Approximative Bildverarbeitung auf FPGAs
Autor:
Manuel, Manu
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Integrierte Systeme (Prof. Herkersdorf)
Betreuer:
Stechele, Walter (Prof. Dr.)
Gutachter:
Stechele, Walter (Prof. Dr.); Müller-Gritschneder, Daniel (Priv.-Doz. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; ELT Elektrotechnik
Stichworte:
Approximate Computing, Image Processing, FPGA, Design Space Exploration, Multi-Objective Optimization, Genetic Algorithm, NSGA-II, Region of Interest
Übersetzte Stichworte:
Approximate Computing, Bildverarbeitung, FPGA, Design Space Exploration, Multi-Objekt-Optimierung, Genetischer Algorithmus, NSGA-II, Region of Interest
TU-Systematik:
DAT 200
Kurzfassung:
Approximate computing introduces a quality-aware computation in error-resilient applications by safely trading off the application quality for resource savings. Addressing the limitations of state-of-the-art methods, this thesis proposes AxCGA: a design space exploration framework for approximate image processing on FPGA that combines parametrizable approximations in real-world applications and efficiently explores the design space to determine the quality-resource trade-off.
Übersetzte Kurzfassung:
Approximate Computing stellt eine qualitätsbewusste Berechnung fehlertoleranter Anwendungen dar, indem sorgfältig zwischen der Anwendungsqualität und Ressourceneinsparungen abgewogen wird. Um die Einschränkungen von State-of-the-Art Methoden zu adressieren, stellt diese Arbeit AxCGA vor, ein Design Space Exploration-Framework für approximative Bildverarbeitung auf FPGAs, welches parametrisierbare Approximationen in realen Anwendungen miteinander vereint und den Design Space effizient analysiert,...     »
WWW:
https://mediatum.ub.tum.de/?id=1715485
Eingereicht am:
17.07.2023
Mündliche Prüfung:
13.12.2023
Dateigröße:
35792635 bytes
Seiten:
186
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231213-1715485-1-5
Letzte Änderung:
19.01.2024
 BibTeX