检索结果-南通市图书馆

PreNTT：面向zk-SNARK的数论变换计算并行加速方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2024年

作者：丁冬李正权柴志雷江南大学物联网工程学院北京邮电大学网络与交换技术全国重点实验室江南大学人工智能与计算机学院

简洁非交互式零知识证明(zk-SNARK)由于具备证明验证过程简捷快速的优点，已在加密货币等众多领域得到广泛应用。但其证明生成过程所需计算仍复杂耗时，影响了进一步的应用拓展。针对zk-SNARK证明生成过程中的主要计算瓶颈——数论变换(... 详细信息

简洁非交互式零知识证明(zk-SNARK)由于具备证明验证过程简捷快速的优点，已在加密货币等众多领域得到广泛应用。但其证明生成过程所需计算仍复杂耗时，影响了进一步的应用拓展。针对zk-SNARK证明生成过程中的主要计算瓶颈——数论变换(NTT)，提出了一种基于GPU的NTT计算加速方法 PreNTT。首先，提出了基于预计算的NTT并行计算方法，利用预计算与旋转因子次幂算法优化，减少NTT并行计算开销，并结合动态预计算，进一步提高NTT计算效率。其次，通过“动态自适应计算核调度”，可以根据NTT输入规模自适应地分配GPU片上资源，提升了大规模NTT任务的计算能效。然后，通过核外整体数据混洗和核内局部数据混洗相结合的方式，避免了访存冲突。最后，使用CUDA多流技术执行数据传输和计算过程，对预计算时间进行了有效隐藏。实验结果表明：基于PreNTT实现的zk-SNARK系统，与目前业界最先进的系统Bellperson相比，NTT模块运行时间获得了全规模最低1.7倍的加速比，最高加速比为9倍。PreNTT能够有效提高NTT算法并行度，降低zk-SNARK运算时间开销。

关键词：简洁非交互式零知识证明数论变换 GPU 并行计算加速

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

残差修正的加权多项式回归色彩特征化算法

计算机应用研究 2024年

作者：杨晨廉凯成徐昊吴秦柴志雷江南大学人工智能与计算机学院江苏省模式识别与人工智能工程实验室

在数字印刷领域，精确再现计算机图像的颜色是高质量印刷的前提，其中色彩特征化是关键环节。传统多项式回归模型由于高阶项会放大特征化样本集中的奇异值，导致模型震荡从而影响色彩特征化的准确性。基于神经网络的色彩特征化算法精度... 详细信息

在数字印刷领域，精确再现计算机图像的颜色是高质量印刷的前提，其中色彩特征化是关键环节。传统多项式回归模型由于高阶项会放大特征化样本集中的奇异值，导致模型震荡从而影响色彩特征化的准确性。基于神经网络的色彩特征化算法精度较高，但算法复杂度也成数量级的提高，难以满足工业生产中的效率要求。为解决上述问题，提出残差修正的加权多项式回归算法，采用具有较强抗差能力的Huber损失函数来替代均方误差。通过自适应机制确定各个样本权重，并利用残差值迭代优化得到最佳权重矩阵，从而降低奇异值样本对系统的影响；此外，修正模块捕获第一个模型可能遗漏的非线性情况辅助调整转换结果，进而提高颜色再现准确性。结果表明，该算法与普通多项式回归相比，平均色差降低1.2。和基于深度置信网络的推理算法精度接近，但运行时间比其减少99.37%。

关键词：色彩特征化多项式回归自适应加权色彩复制色彩管理

LightGCNet:基于轻量化卷积网络的深度色域压缩算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2024年

作者：杨晨徐昊朱佳伟吴秦柴志雷江南大学人工智能与计算机学院江苏省模式识别与人工智能工程实验室

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速，但处理结果缺乏细节且没有考虑人眼的感知特性，难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳，但极其耗时，无法投入实际应用。针对... 详细信息

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速，但处理结果缺乏细节且没有考虑人眼的感知特性，难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳，但极其耗时，无法投入实际应用。针对上述问题，首次提出了轻量化的深度色域压缩方法，该方法可在逼近迭代算法计算效果的同时保持接近经典算法的速度。首先，为色域压缩算法设计了LightGCNet模型，该网络中的双层卷积由DSC与DW卷积组合而成，相比常规U-Net，参数量与计算复杂度急剧降低。此外，为进一步提高模型先验性，将预训练得到的DW卷积中多个核通道进行重聚焦操作以建立联系，最终权重由重聚焦权重和预训练权重组成。其次，针对色相、明度、彩度这三个色彩属性，设计了色域压缩专用的损失函数。该函数不仅考虑了像素级损失，而且融合了图像感知损失，并联合色彩属性的多尺度信息进行加权，解决了深度色域压缩过程中细节丢失的问题。最后，基于迭代算法生成标签以训练网络，联合学习目标色域特征与图像信息，实现了与迭代算法相当的效果。实验结果表明：该方法与业界经典的SGCK算法相比，iCID值降低了17.08%，SSIM值提高了5.30%。相比常规U-Net模型，LightGCNet参数量减少了82.96%，乘加次数从8.5G大幅下降至2.2G，使改良模型更适于低端设备部署。该模型在CPU上处理单幅512×512图像仅需0.208秒，计算时间比迭代类算法减少99.92%。

关键词：色域压缩轻量化深度学习色彩管理

zk-SNARK中数论变换的硬件加速方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第2期18卷 538-552页

作者：赵海旭柴志雷花鹏程王锋丁冬江南大学人工智能与计算机学院江苏无锡214122 江南大学物联网工程学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

简洁非交互式零知识证明能够生成长度固定的证明并快速进行验证,极大地推动了零知识证明在数字签名、区块链及分布式存储等领域的应用。但其证明的生成过程极其耗时且需要被频繁调用,其中数论变换是证明生成过程的主要运算之一。然而现... 详细信息

简洁非交互式零知识证明能够生成长度固定的证明并快速进行验证,极大地推动了零知识证明在数字签名、区块链及分布式存储等领域的应用。但其证明的生成过程极其耗时且需要被频繁调用,其中数论变换是证明生成过程的主要运算之一。然而现有的通用数论变换硬件加速方法难以满足其在简洁非交互式零知识证明中大规模、高位宽的要求。针对该问题,提出一种数论变换多级流水硬件计算架构。针对高位宽计算需求对高位模运算进行优化,设计了低时延蒙哥马利模乘单元;为了加速大规模计算,通过二维子任务划分将大规模数论变换任务划分为小规模独立子任务,并通过消除数据依赖实现了子任务间计算流水;在子任务多轮蝶形运算之间采用数据重排机制,有效缓解了访存需求并实现了不同步长蝶形运算间的计算流水。所提出的数论变换计算架构可以根据现场可编程门阵列(FPGA)片上资源灵活扩展,方便部署在不同规模的FPGA上以获得最大加速效果。所提出的硬件架构使用高层次综合(HLS)开发并基于OpenCL框架在AMD Xilinx Alveo U50实现了整套异构加速系统。实验结果表明,相比于PipeZK中的数论变换加速模块,该方法获得了1.95倍的加速比;在运行当前主流的简洁非交互式零知识证明开源项目bellman时,相比于AMD Ryzen 95900X单核及12核分别获得了27.98倍和1.74倍的加速比,并分别获得了6.9倍、6倍的能效提升。

关键词：现场可编程门阵列(FPGA) 简洁非交互式零知识证明(zk-SNARK) 模乘数论变换硬件加速

基于GPU的zk-SNARK中多标量乘法的并行计算方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第6期41卷 1735-1742页

作者：王锋柴志雷花鹏程丁冬王宁江南大学人工智能与计算机学院江苏无锡214122 江南大学物联网工程学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

针对zk-SNARK(zero-knowledge succinct non-interactive argument of knowledge)中计算最为耗时的多标量乘法(multiscalar multiplication,MSM),提出了一种基于GPU的MSM并行计算方案。首先,对MSM进行细粒度任务分解,提升算法本身的计算并行性,以充分利用GPU的大规模并行计算能力。采用共享内存对同一窗口下的子MSM并行规约减少了数据传输开销。其次,提出了一种基于底层计算模块线程级任务负载搜索最佳标量窗口的窗口划分方法,以最小化MSM子任务的计算开销。最后,对标量形式转换所用数据存储结构进行优化,并通过数据重叠传输和通信时间隐藏,解决了大规模标量形式转换过程的时延问题。该MSM并行计算方法基于CUDA在NVIDIA GPU上进行了实现,并构建了完整的零知识证明异构计算系统。实验结果表明:所提出的方法相比目前业界最优的cuZK的MSM计算模块获得了1.38倍的加速比。基于所改进MSM的整体系统比业界流行的Bellman提升了186倍,同时比业界最优的异构版本Bellperson提升了1.96倍,验证了方法的有效性。

关键词：简洁非交互式零知识证明多标量乘法 CUDA 异构计算系统并行计算

在线全文

学校读者我要写书评

暂无评论

基于轮廓学习的实时实例分割(英文)

Journal of Measurement Science and Instrumentation 2024年

作者：葛锐刘登峰周浩杰柴志雷吴秦江南大学江苏省模式识别与计算智能工程实验室江南大学人工智能与计算机学院

实例分割在图像处理中具有重要的应用，在实际运用场景中，实例分割算法不仅要求具有较高的准确率，而且需要模型规模小、分割速度快。基于轮廓迭代的Deep Snake算法端到端地变形初始目标框到目标轮廓，能提升实例分割的性能，但存在分... 详细信息

实例分割在图像处理中具有重要的应用，在实际运用场景中，实例分割算法不仅要求具有较高的准确率，而且需要模型规模小、分割速度快。基于轮廓迭代的Deep Snake算法端到端地变形初始目标框到目标轮廓，能提升实例分割的性能，但存在分割速度较慢、初始轮廓欠优等缺陷。针对这些问题，本文提出了一种轻量化的实例轮廓迭代分割算法。首先，采用ShuffleNet V2作为主干网络，使用5×5卷积核扩大了模型感受野，同时，设计轻量级上采样模块MSA(Multi Stage Aggregation) 进行多层特征的残差融合，不仅提高了分割速度，而且更加全面的提取了有效特征。然后，设计了一种网络学习的轮廓初始化方法，采用全局轮廓特征聚合机制回归得到粗糙轮廓，解决了手工初始化轮廓和真实轮廓误差过大的问题。最后，使用Snake模型对粗糙轮廓进行迭代优化获取最后的实例轮廓。结果表明，本文提出的方法在SBD、Cityscapes和Kins数据集上提高实例分割精度，在SBD数据集上平均分割精度达到55.8，同时模型参数量较Deep Snake减少了87.2%，计算量减少了78.3%，在2080Ti GPU上对512×512大小的图片进行实例分割时速度达到39.8fps。该方法能够减少资源消耗，快速准确实现实例分割任务，更适合应用于资源有限的嵌入式平台。

关键词：实例分割 ShuffleNet V2 轻量化网络轮廓初始化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

软硬件协同的图像放大系统设计

科学技术创新 2024年第2期 115-118页

作者：樊荣柴志雷江南大学人工智能与计算机学院江苏无锡江苏省模式识别与计算智能工程实验室江苏无锡

图像放大应用场景广泛,使用插值的图像放大计算速度块,但基于插值的放大处理放大效果一般,基于卷积神经网络模型的图像放大效果优秀,但是处理速度不够,本文采用一种简易的双层模型实现图像放大,并通过FPGA设计实现双层模型硬件加速器,在... 详细信息

图像放大应用场景广泛,使用插值的图像放大计算速度块,但基于插值的放大处理放大效果一般,基于卷积神经网络模型的图像放大效果优秀,但是处理速度不够,本文采用一种简易的双层模型实现图像放大,并通过FPGA设计实现双层模型硬件加速器,在PYNQ-Z1板卡上通过软件方式调用双层模型加速器进行图像放大,从而实现了软硬件协同的图像放大系统,本文设计的图像放大系统比三次卷积插值处理速度快22%,放大效果上PSNR高0.76,有着明显的视觉提升效果。

关键词：图像放大双层模型 FPGA PYNQ-Z1

在线全文

学校读者我要写书评

暂无评论

SM4国密算法的异构可重构计算系统研究

计算机应用研究 2023年第9期40卷 2826-2831页

作者：王腾腾柴志雷江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与人工智能工程实验室江苏无锡214122

随着互联网的数据量呈爆炸式增长,以纯软件方式运行的SM4算法速度慢、CPU占用率高,而基于Verilog/VHDL实现的现场可编程门阵列或专用集成电路存在灵活性差、升级维护困难等问题。为了解决上述问题,提出了一种SM4国密算法的异构可重构计... 详细信息

随着互联网的数据量呈爆炸式增长,以纯软件方式运行的SM4算法速度慢、CPU占用率高,而基于Verilog/VHDL实现的现场可编程门阵列或专用集成电路存在灵活性差、升级维护困难等问题。为了解决上述问题,提出了一种SM4国密算法的异构可重构计算系统的设计方案,采用高层次综合和异构可重构技术,通过优化数据内存分配与传输、优化循环、矢量化内核以及增加计算单元等方式,设计了SM4算法电子密码本模式和计数器模式的定制计算架构,并将该系统部署在FPGA异构平台。实验结果表明:SM4-ECB和SM4-CTR两种主流工作模式的定制计算架构在Intel Stratix 10 GX2800上,吞吐率分别达到109.48 Gbps和63.73 Gbps,是Intel Xeon E5-2650 V2 CPU上对应模式吞吐率的232.63倍和141.62倍。以此核心模块(包含数据输入、加解密、输出)的整体异构可重构计算系统的性能也分别达到了纯软件方式的4.90倍和3.56倍。该方案不仅实现了针对特定模式进行定制加速,而且可以通过硬件重构灵活支持不同的计算模式,兼顾了系统的灵活性和高效性。

关键词： SM4 异构可重构现场可编程门阵列国密算法硬件加速

在线全文

学校读者我要写书评

暂无评论

哈希算法异构可重构高能效计算系统研究

应用科学学报 2023年第6期41卷 1031-1045页

作者：郑博文聂一柴志雷江南大学物联网工程学院江苏无锡214122 江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

针对应用场景中不同哈希算法乃至多哈希算法组合的高速计算需求,纯软件方式难以满足性能需求,基于FPGA或ASIC的硬件方式又面临灵活性不足的问题,设计了一种异构且加速端硬件可重构的哈希算法高能效计算系统。计算系统由算法硬件加速模... 详细信息

针对应用场景中不同哈希算法乃至多哈希算法组合的高速计算需求,纯软件方式难以满足性能需求,基于FPGA或ASIC的硬件方式又面临灵活性不足的问题,设计了一种异构且加速端硬件可重构的哈希算法高能效计算系统。计算系统由算法硬件加速模块、数据传输模块、多线程管理模块实现,并且通过硬件的动态可重构设计提升了计算能效。实验结果表明,在Intel Stratix10 FPGA异构计算平台上,针对加解密计算,选择MD5、SHA-1、SHA-256、SHA-512和RIPEMD-160算法作为测试对象,所实现的系统相比Intel Core I7-10700CPU,最高可获得18.7倍的性能提升和34倍的能效提升,相比NVIDIA GTX 1650 SUPER GPU,最高可获得2倍的性能提升和5.6倍的能效提升。

关键词：异构计算哈希算法 SHA-256 硬件加速现场可编程逻辑门阵列