000			04213namaa22004331i 4500
003			EG-GICUC
005			20260423192717.0
008			260423s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a621.381
092			_a621.381 _221
097			_aM.Sc
099			_aCai01.13.08.M.Sc.2025.Ar.M
100	0		_aArwa Abd El-Aziz Abd El-Ghany, _epreparation.
245	1	2	_aA masked face detector using configurable hardware accelerator based on tiny darknet / _cby Arwa Abd El-Aziz Abd El-Ghany ; Supervisors Prof. Ahmed Hussien Mohamed, Dr. Ibrahim Mohamed Qamar.
246	1	5	_a كاشف الوجه المقنع باستخدام مسرع الشبكات العصبية التلاففية قابل للتكوين
264		0	_c2025.
300			_a108 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (M.Sc)-Cairo University, 2025.
504			_aBibliography: pages 92-96.
520		3	_aArtificial Intelligence (AI) algorithms have been shipped to many of our machines and equipment. As a result, there is extensive investment and much research to develop and enhance AI algorithms. This thesis introduces a masked face detector built on a configurable accelerator using Tiny DarkNet Convolutional Neural Network (CNN). In this work, we propose an application for example for AI, by applying many optimization techniques for deploying the CNN accelerator on a Field-Programmable Gate Array (FPGA). The proposed accelerator is deployed on a single FPGA, and it is designed to be configurable and reusable to build other Tiny You Only Look Once (YOLO) networks. The proposed accelerator achieves a total power consumption of 4.756 W and a total inference time of 8.3 ms which achieves 120 FPS. We optimized resources using 16-bit fixed-point quantization, sharing memory, and applying max- pooling on the fly.
520		3	_aيقترح هذا البحث كاشف الوجه المقنع المبني على مسرع قابل للتكوين باستخدام الشبكات العصبية التلاففية استنادًا على Tiny DarkNet. كما يعتبر كاشف الوجه المقنع مثال تطبيقي من آلاف تطبيقات الذكاء الاصطناعي التي أصبح يتم استخدامها يوميًا. بالإضافة إلى ذلك، نقدم في هذا البحث العديد من تقنيات التحسين لتشغيل مسرعات شبكات CNNs علىFPGA . المسرع المقترح يمكن تشغيله على FPGA واحدة، كما انه تم تصميمه بحيث يمكن إعادة إستخدامه و تكوينه لبناء شبكات أخرى منTiny YOLO . المسرع المقترح يستهلك ٤,٧٥٦ واط. وهو يعتبر تحسين في استهلاك الطاقة مقارنة بالتصميمات السابقة على الFPGA . باللإضافة إلى ذلك، تقليل الوقت الازم للأستدلال على الوجه المقنع، حيث يحتاج المسرع ٨,٣ ميلي ثانية لتحديد الهدف و بذلك يمكن تصنيف ١٢٠ إطاراً في الثانية باستخدام المسرع.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aElectronics and Communications Engineering
650		0	_aالالكترونيات والاتصالات الكهربية
653		1	_aTiny DarkNet _aYOLO-v2 _aFPGA _aConvolutional Neural Networks _aEmulator _aObject Detection _aAI _aالشبكة العصبية التلاففية _aالتعلم العميق
700	0		_aAhmed Hussien Mohamed _ethesis advisor.
700	0		_aIbrahim Mohamed Qamar _ethesis advisor.
900			_b01-01-2025 _cAhmed Hussien Mohamed _cIbrahim Mohamed Qamar _dOmar Ahmed Ali Nasr _dAhmed Hassan Madian _UCairo University _FFaculty of Engineering _DDepartment of Electronics and Communications Engineering
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c179708