Implementacja w układach FPGA wybranych fragmentów metody szybkiej segmentacji obrazów

• Autorzy: Żurek D. , Wielgosz M. , Jamro E. , Wiatr K.

Warianty tytułu

EN

FPGA implementation of selected parts of the fast image segmentation algorithm

• Języki publikacji: PL

Abstrakty

PL

Prezentowane w pracy badania dotyczą segmentacji obrazów metodą wektorów wspierających (ang. Support Vector Machine - SVM). Metoda ta opiera się na grupie kilkunastu wektorów wspierających, które posiadają cechy wybranych obiektów w obrazie. Implementacja przedstawionej procedury klasyfikacji wektorów wspierających została wykona zarówno programowo w języku C++ na procesorze ogólnego przeznaczenia AMD AthlonII P320 Dual-Core2.10 GHz, jak i sprzętowo w języku VHDL. Moduł klasyfikacji wektorów wspierających został zaimplementowany w układzie Xilinx Spartan 6.

EN

The paper presents preliminary implementation results of image segmentation for the SVM (Support Vector Machine) algorithm. SVM is a dedicated mathematical formula which allows extracting selective objects from an input picture and assign them to an appropriate class. Consequently, a black and white images reflecting occurrence of the desired feature are derived from an original picture fed into the classifier. This work is primarily focused on the FPGA implementation aspects of the algorithm as well as on comparison of the hardware and software performance. A human skin classifier was used as an example and implemented both in AMD AthlonII P320 Dual-Core2.10 GHz and Xilinx Spartan 6 FPGA. It is worth emphasizing that the critical hardware components were designed using HDL, whereas the less demanding standard ones such as communication interfaces, FIFO, FSMs were implemented in HLL (High Level Language). Such an approach allowed both shortening the design time and preserving high performance of the hardware classification module. This work is a part of the Synat project embracing several initiatives aiming at creation of a repository of images to which are to be assigned descriptive name according to their contents. Such a database of tagged images will significantly reduce the search time, since only picture tags will be processed instead of images, so the process will involve simple string operations rather than image recognition. The project is a huge challenge due to an immense volume of data collected over the past years denoted today as the Internet resources. Therefore, the core part of the undertaking is to design andimplement a classification system which should be both reliable and fast. In order to achieve the high performance of a search engine, the most computationally intensive operations are to be ported to hardware.

Słowa kluczowe

PL

segmentacja obrazów; wektory wspierające; FPGA; układy rekonfigurowalne

EN

picture segmentation; supportive vectors; reconfigurable logic; FPGA

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 8
• Strony: 871--873
• Opis fizyczny: Bibliogr. 6 poz., rys., tab., wzory

Twórcy

autor

Żurek D.

autor

Wielgosz M.

autor

Jamro E.

autor

Wiatr K.

• Akademia Górniczo-Hutnicza, Akademickie Centrum Komputerowe CYFRONET, ul. Nawojki 11, 30-950 Kraków,

Bibliografia

• [1] Rafajłowicz E., Rafajłowicz W., Rusiecki A.: Algorytmy przetwarzania obrazów i wstęp do pracy z biblioteką OpenCV, Wrocław 2009.
• [2] Cyganek B.: Framework for Object Tracking with Support Vector Machines, Structural Tensor and the Mean Shift Method, LNCS 2009, vol. 5863/2009, s. 399-408.
• [3] Wiatr K.: Akceleracja obliczeń w systemach wizyjnych, Warszawa 2003.
• [4] Wielgosz M., Wiatr K.: Implementacja w układach FPGA wybranych operacji zmiennoprzecinkowych, Warszawa 2010, Akademicka oficyna wydawnicza EXIT.
• [5] Wielgosz M., Jamro E., Wiatr K.: Highly Effcient Structure of 64-Bit Exponential Function Implemented in FPGAs, ARC 2008, Lecture notes in Springer-Verlag, London LNCS 4943, pp. 274-279.
• [6] http://www.picocomputing.com/m_series.html