第30回LSIデザインコンテスト・イン北海道設計仕様書

1. 概要

第30回は，ギガファーム社製のZERO7などのハードウェアを用いてハードウェア実装までを行います．

論理合成・実装は，ZERO7に搭載されているチップ（AMD Spartan-7 XC7S25CSGA225-1）を対象に行ってください．

ZERO7について

ZERO7は，Raspberry Piの汎用IO 40ピンに重ねて利用するRaspberry Pi HATボードです．

Raspberry Piの汎用IOは図1のアーキテクチャ図に示す通り，FPGAに接続されています．

図1 ZERO7のアーキテクチャ図

図2 ZERO7の写真

Raspberry PiとZERO7を活用することで，Raspberry Piのインターフェース（カメラ入力，モニター出力）が利用でき， ZERO7にLSI回路を開発することで，手軽にハードウェアアクセラレータが作成できます．

ZERO7関連資料（PDF）

課題の内容

何をしてもらうかは，後日更新します．画像のサイズなどは，４をご覧ください．

コンテスト用の検証画像を当日渡しますので，カメラやSDカードなどから画像を読みその画像を認識してもらいます．どのくらいの速度で認識結果が出力されるのかをプレゼンしてもらいます。

2. 目的

CNNのHW実装

条件：

指定画像検証データ
カメラ実時間入力

3．設計環境

Synopsys® Synplify Pro® /Premier

Synopsys® Design Compiler®

Mathworks® MATLAB® /Simulink®

AMD Vivado® Design Suite（推奨バージョン：2025.2）

対象デバイス：XC7S25CSGA225-1（Vivadoのパーツ設定で指定してください）

または設計環境に応じまして，

その他論理合成ツール

RTL hand coding( VHDL or Verilog-HDL)

などの設計環境が挙げられます．

4. CNNの概要

入力画像サイズ

32×32の入力画像に対応するよう作成してください．

※ 学習に使用するデータセットは自由です．ただし，認識する対象（分類するクラス）はこちらで指定します．

※ 認識する対象は追って更新しますので，次回の更新をお待ちください．

CNNの構造

CNN構造に関しては，第23回の設計概要を確認してください．中間層などの構成はお任せします．

5. 課題

今回は、AIの基本となるCNN（畳み込みニューラルネットワーク）に立ち返り、設計したハードウェアの画像認識の精度や処理速度を競います。今回は、協賛企業のギガファーム株式会社、株式会社レイドリクスの協力で、Raspberry Pi5に接続できるSpartan7 FPGAのボードを貸与し、Raspberry Piを画像入出力のI/Oデバイスとして使い、デバイスドライバの開発を不要として、学生がアーキテクチャやハードウェア設計に注力できるような設計体制を整えました。

課題は次の2つのクラスに分かれています．

クラス1：画像分類クラス

課題は画像分類に限ります．Level1・Level2では，ZERO7に搭載されているチップ（XC7S25CSGA225-1）を対象に論理合成・実装を行ってください．Level3（Unlimited）のみ，XC7S25CSGA225-1での合成レポートに加えて，任意のボードを使用できます．

1. Level1:初心者向け

簡単なCNN(入力画像3×3など)を作成し，XC7S25CSGA225-1を対象に論理合成・実装する．

2. Level2:中級者向け

入力画像32×32サイズのCNNを作成し，学習・検証を行い，XC7S25CSGA225-1を対象に論理合成・実装する．

3. Level3:上級者向け

Unlimited...

まずは、XC7S25CSGA225-1に搭載可能な構成で画像分類を設計して合成レポートを示してください。加えて、画像分類であれば，任意のボード，任意のアーキテクチャなど，何でもOKですので、様々なアイデアをぜひお寄せください。

クラス2：ZERO7クラス

使用するボードはZERO7に限ります．ただし，課題は自由です（画像分類に限りません）．Level3のみとなります．

Level3:上級者向け