Możliwość zastosowania GPU do przetwarzania obrazów dla celów analizy sceny

• Autorzy: Szymczyk M. , Szymczyk P.

Warianty tytułu

EN

GPU usage for image processing in scene analysis

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest określenie możliwości wykorzystania nowoczesnych procesorów graficznych do celów analizy obrazów w sposób interaktywny. Praca ta przedstawia w zarysie różnice w budowie pomiędzy CPU a GPU. Wyjaśnia konieczność zastosowania nowoczesnych kart graficznych w aplikacjach do przetwarzania obrazu. W celu efektywnego wykorzystania możliwości GPU przy wykorzystaniu procesorów NVIDIA prezentowana jest architektura CUDA, dająca możliwość szybkiego i prostego stworzenia aplikacji równoległych systemów wizyjnych. Przedstawione są niektóre z algorytmów przetwarzających obrazy implementowanych na CUDA pod kątem osiągniętych przyspieszeń. Na koniec przedstawione są pewne wnioski wypływające z powyższych realizacji.

EN

The main objective of this article is presentation the usability of modern graphics processors for image analysis in interactive way. This work presents in rough differences in architectures between CPU and GPU. The necessity of using graphics card in vision systems is explained. The CUDA architecture for NVIDIA graphics card is shortly discussed including possibility effortless creating applications for vision systems. Some algorithms for CUDA are presented too with emphasis on their speedups. Some conclusions are drawn at the end.

Słowa kluczowe

PL

systemy wizyjne; CUDA; GPU

EN

vision systems; CUDA; GPU

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2011
• Tom: T. 15, z. 3
• Strony: 271--282
• Opis fizyczny: Bibliogr. 15 poz., rys., wykr.

Twórcy

autor

Szymczyk M.

• AGH Akademia Górniczo-Hutnicza, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki, Katedra Automatyki, al. A. Mickiewicza 30, 30-059 Kraków

autor

Szymczyk P.

• AGH Akademia Górniczo-Hutnicza, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki, Katedra Automatyki, al. A. Mickiewicza 30, 30-059 Kraków

Bibliografia

• [1] Bay H., Ess A., Tuytelaars T., Van Gool L., SURF.Speeded Up Robust Features. Computer Vision and Image Understanding (CVIU), vol. 110, No. 3, 2008, 346-359.
• [2] Bilgic B., Fast Human Detection with Cascaded Ensembles. S.M. thesis, Massachusetts Institute of Technology, Department of Electrical Engineering and Computer Science, February 2010.
• [3] Dalal N., Triggs B., Histograms of Oriented Gradients for Human Detection. http://lear.inrial-pes.fr.
• [4] Hsiao C.H., Dai A., Face detection on CUDA. 2009, http://cs264.org.
• [5] http://developer.nvidia.com/npp.
• [6] http://en.wikipedia.org/wiki/CUDA.
• [7] http://ixbtlabs.com/articles3/video/cuda-l-pl.html.
• [8] http://ixbtlabs.com/articles3/video/cuda-l-p2.html.
• [9] http://ixbtlabs.com/articles3/video/cuda-l-p3.html.
• [10] http://ixbtlabs.com/articles3/video/cuda-l-p4.html.
• [11] http://ixbtlabs.com/articles3/video/cuda-l-p5.html.
• [12] Kirk D.B., Hwu W.W., Programming Massively Parallel Processors. Morgan Kaufmann, Elsevier, 2010.
• [13] Lengyel T.K., Gedarovich J., Cusano A., Peters T.J., GPU Yision: Accelerating Computer Yision algorithms with Graphics Processing Unit. University of Connecticut, 2011.
• [14] Park I.K., Singhal N., Lee M.H., Cho S., Efficient design and implementation ofvisual computing algorithms on tha GPU. ICIP 2009.
• [15] Viola P., Jones M., Robust Real-time Object Detection. Second International Workshop on Statistical and Computational Theories of Vision - Modeling, Learning, Computing, and Sampling, Vancouver, Canada, 2001.