CARACTERIZACIÓN COMPUTACIONAL DE TAREAS DE INFERENCIA EN RECONOCIMIENTO DE IMÁGENES CON REDES NEURONALES CONVOLUCIONALES

Abstract

En la presente memoria se propone un set de pruebas para caracterizar el costo computacional del uso de redes neuronales convolucionales (CNN) en aplicaciones de clasificación de imágenes. Para ello se estudian las variables más comunes que pueden ser de relevancia en el costo computacional del uso de CNN, se crean las bases de datos de imágenes necesarias para experimentación y se seleccionan CNNs para estudiar. Las pruebas son automatizadas y se llevan a cabo en dos sistemas que cuentan con GPUs Nvidia de distintas generaciones.Los resultados experimentales obtenidos muestran que las variables estudiadas son de relevancia en el costo computacional de la operación de inferencia, lo que tiene impacto directo en la implementación de sistemas que incluyan CNN.

In this thesis a set of tests is proposed to characterize the computational cost of the use of convolutional neural networks (CNN) in image classification applications. To do this, the most common variables that may be relevant in the computational cost of using CNN are studied, the necessary image databases are created for experimentation and CNNs are selected. The tests are automated and carried out in two systems that have Nvidia GPUs of different generations.The obtained experimental results show that the variables studied are of relevance in the computational cost of the inference operation, which has a direct impact on the implementation of systems that include CNN.