処理速度が10倍に向上した車載向け画像認識SoC

　東芝デバイス＆ストレージは、人工知能（ＡＩ）技術の一つである深層学習を用いた画像認識を、高速かつ低消費電力で実行できる車載向けＳｏＣを開発した。同社従来技術と比較して、処理速度は約１０倍、電力効率は約４倍を達成している。

　深層学習は、人間の脳の神経回路をモデルとしたアルゴリズム。従来のパターン認識や機械学習よりも高精度な認識が可能とされており、車載用途への活用が期待されている。一方、深層学習による画像認識では、多数の積和演算を実行しなければならず、通常のプロセッサで処理すると時間がかかり、高速で処理しようとすると多量の電力を消費してしまう問題があった。

　同社は、深層学習による画像認識をハードウエア上で実行するＤＮＮアクセラレータを開発し、ＳｏＣ上に実装することで、この課題を解決した。今回開発したＤＮＮアクセラレータには、三つの特徴がある。

　第一は、積和演算プロセスの並列化。開発したＤＮＮアクセラレータは、２５６個の積和演算ユニットを搭載したプロセッサを四つ保持。演算を並列に処理することで効率化し、画像認識の処理速度を高めた。

　第二は、ＤＲＡＭへのアクセスで消費される電力の低減。開発したＳｏＣは、中間データを保持する専用のＳＲＡＭを実行ユニットの近くに配置。そのＳＲＡＭに収まるように深層学習の推論処理を分割することで、ＤＲＡＭへのアクセス回数を削減。さらに、重みデータを事前に圧縮して保存しておき、読み込む際にそのデータを伸長する回路を追加することで、読み込みに使用するデータ量を削減した。

　第三は、ＳＲＡＭへのアクセスにより消費される電力の低減。従来では、深層学習の推論処理の各レイヤーにおいて、それぞれの処理が終わるたびに　ＳＲＡＭを参照していたため、メモリー動作時に消費される電力が大きくなっていた。

　今回開発したＳｏＣでは、各レイヤーをパイプライン接続し、１回のＳＲＡＭ参照で複数レイヤーの処理を実行することで、消費電力を抑制した。

　これらの技術により、同社の前世代の技術に比べ処理速度は約１０倍、電力効率は約４倍で実行可能とした。

| 全新製品情報 | 一般電子部品:製品別リスト |
| 電子デバイス:製品別リスト | 電子デバイス:用途別リスト|
| ホームページへ戻る | 次データへ |