Seminario "Implementaciones Hardware de Algoritmos de Visión por Computadora y Aprendizaje Automático"
En años recientes, los FPGAs (Field Programmable Gate Arrays) han sido aplicados a diversas aplicaciones que demadan una gran cantidad de operaciones y recursos de cómputo. Aún con el surgimiento de alternativas recientes de procesamiento masivo, como son procesadores multinúcleo y unidades de procesamiento de gráficos (GPUs), los FPGAs siguen representando la alternativa más adecuada para determinadas tareas ya que permiten la implementación de una gran cantidad de operaciones en paralelo, además de permitir al usuario diseñar arquitecturas hardware a la medida, que permite utilizar recursos hardware de forma eficiente.
La estructura de estos dispositivos permite la implementación de diferentes grados de paralelismo. Otra ventaja de los FPGAs es que mediante el mismo flujo de diseño, es posible diseñar una versión de bajo consumo de potencia de la misma arquitectura, permitiendo ampliar el rango de aplicaciones en donde tal arquitectura o algoritmo puede ser utilizada. Dos ramas importantes de la Inteligencia Artificial son la Visión por Computadora (VC) y el Aprendizaje Automático (AA). Estas dos ramas tienen en común lo siguiente: la implementación de determinados operadores de ambas ramas requiere de una gran cantidad de operaciones, además de que al estar bioinspirados, requieren de varios niveles de paralelismo para su ejecución.
Los FPGAs representan una alternativa adecuada para la implementación de operadores de VC y AA. En esta plática, se describen varios proyectos desarrollados con estas dos ramas de la inteligencia artificial. Se analizan las arquitecturas propuestas, se discuten los resultados, se proponen mejoras a las arquitecturas ya existentes, además de plantear áreas de oportunidad para aquellos interesados en explorar las áreas de diseño de sistemas de visión y de aprendizaje automático.
Impartido por el Dr. Marco Aurelio Nuño Maganda, de la Universidad Politécnica de Victoria.