Automatic Hardware Implementation Tool for a Discrete Adaboost-Based Decision Algorithm

Automatic Hardware Implementation Tool for a Discrete Adaboost-Based Decision Algorithm

Tên đề tài

Automatic Hardware Implementation Tool for a Discrete Adaboost-Based Decision Algorithm

Tác giả

J. Mitéran, J. Matas, E. Bourennane, M. Paindavoine, J. Dubois

Lĩnh vực

EURASIP Journal on Applied Signal Processing

Nội dung tài liệu

Bài báo này trình bày một phương pháp và một công cụ để tự động tạo ra triển khai phần cứng của một quy tắc quyết định dựa trên thuật toán Adaboost. Nghiên cứu xem xét các nguyên tắc của phương pháp phân loại và đánh giá chi phí triển khai phần cứng của nó trên FPGA, sử dụng các bộ phân loại yếu khác nhau dựa trên khái niệm chung về hình chữ nhật. Điểm mới chính của phương pháp này là công cụ cho phép người dùng tự động tìm kiếm sự cân bằng phù hợp giữa hiệu suất phân loại và chi phí triển khai phần cứng, đồng thời kiến trúc được tạo ra được tối ưu hóa cho mỗi quá trình huấn luyện. Kết quả thu được từ phân phối Gaussian và các ví dụ từ cơ sở dữ liệu UCI cũng được trình bày. Cuối cùng, một ví dụ về ứng dụng công nghiệp trong phân đoạn ảnh theo thời gian thực cũng được giới thiệu.

Mục lục chi tiết

1. INTRODUCTION

2. PROPOSED METHOD

2.1. Review of Adaboost

2.2. Parallel implementation of the global structure

3. WEAK CLASSIFIER DEFINITION AND IMPLEMENTATION OF THE WHOLE DECISION FUNCTION

3.1. Choice of the weak classifier: definitions

3.2. Review of the hyperrectangle-based method

3.3. Boosting general hyperrectangle and combination of weak classifiers

3.4. Estimation of the hyperrectangle hardware implementation cost

3.5. Estimation of the global Adaboost implementation

4. RESULTS

4.1. Experimental validation using Gaussian distributions

4.2. Experimental validation using real databases

4.3. Example of industrial application: image segmentation

5. CONCLUSION

ACKNOWLEDGMENT

REFERENCES