Ускорение создания профилей для трехмерного векторного видео с помощью GPGPU
https://doi.org/10.15514/ISPRAS-2015-27(3)-27
Аннотация
В работе рассматривается метод оптимизации вычисления метрики схожести изображений с помощью вычислений общего назначения на графическом процессоре (GPGPU). Использование потоковых процессоров графических ускорителей и платформы CUDA позволяет добиться значительного прироста производительности по сравнению с расчетами на процессорах общего назначения при решении задач в области компьютерного зрения, в частности для определения схожести изображений. Приведены результаты исследования производительности GPGPU реализации расчетов значений метрики.
Список литературы
1. Thorsten Scheuermann, Justin Hensley. Efficient histogram Generation Using Scattering on GPUs. Proceedings of the 2007 symposium on Interactive 3D graphics and games, ACM New York, NY, USA, 2007, pp. 33-37. doi: 10.1145/1230100.1230105
2. N. Cornelis, L. Van Gool. Fast Scale Invariant Feature Detection and Matching on Programmable Graphics Hardware. IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, 2008, pp. 1-8. doi: 10.1109/CVPRW.2008.4563087
3. N. K. Govindaraju, E. S. Larsen, J. Gray, D. Manocha. A memory model for scientific algorithms on graphics processors. Proceedings of the ACM/IEEE Conference on Supercomputing (SC’06), NY, USA: ACM Press, 2006, no. 89, pp. 6-15. doi: 10.1109/SC.2006.2
4. V. Podlozhnyuk. Histogram calculation in CUDA. Technical report. NVIDIA, 2007, http://developer.download.nvidia.com/compute/cuda/1.1-Beta/x86_website/projects/histogram64/doc/histogram.pdf
5. Ramtin Shams, R. A. Kennedy. Efficient Histogram Algorithms for NVIDIA CUDA Compatible Devices. Australia, Gold Coast, ICSPCS, 2007. pp. 418-422.
6. Cedric Nugteren, Gert-Jan van den Braak, Henk Corporaal, Bart Mesman. High Performance Predictable Histogramming on GPUs: Exploring and Evaluating Algorithm Trade-offs. Proceedings of the Fourth Workshop on General Purpose Processing on Graphics Processing Units, NY, USA: ACM New York, 2011. pp. 1-9. doi: 10.1145/1964179.1964181
7. O. Fluck, S. Aharon, D. Cremers, M. Rousson. GPU histogram computation. ACM SIGGRAPH 2006 Research posters, SIGGRAPH ’06. ACM, 2006, p. 53. doi: 10.1145/1179622.1179683
8. Adityo Mahardito, Adang Suhendra, Deni Tri Hasta. Optimizing Parallel Reduction In Cuda To Reach GPU Peak Performance. Proceedings of The Second International Workshop on Open source and Open Content WOSOC 2010, Indonesia, Depok.: Gunadarma University, 2010, pp. 48-57.
9. Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool. Speeded-Up Robust Features (SURF). Computer Vision and Image Understanding, New York, USA, 2008, vol. 110, no. 3, pp. 346-359. doi: 10.1016/j.cviu.2007.09.014
10. Timothy B. Terriberry, Lindley M. French, John Helmsen. GPU Accelerating Speeded-Up Robust Features. Proceedings of the Fourth International Symposium on 3D Data Processing, Visualization and Transmission, Georgia Institute of Technology, Atlanta, GA, USA, 2008. pp. 355-362.
Рецензия
Для цитирования:
Цыганов А.А. Ускорение создания профилей для трехмерного векторного видео с помощью GPGPU. Труды Института системного программирования РАН. 2015;27(3):379-390. https://doi.org/10.15514/ISPRAS-2015-27(3)-27
For citation:
Tsyganov A. Acceleration of profile creation for three-dimensional vector video with GPGPU. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2015;27(3):379-390. (In Russ.) https://doi.org/10.15514/ISPRAS-2015-27(3)-27
Послать статью по эл. почте 