文件名称：论文研究-GIST特征提取的异构并发流计算实现.pdf
文件大小：650KB
文件格式：PDF
更新时间：2022-09-30 10:11:50
论文研究
针对图像GIST全局特征提取算法的计算任务，实现了CPU GPU异构协同计算与优化：使用CPU完成图像量化、线性延拓等小计算量、不规则的数据运算，使用GPU完成滤波、Gabor特征提取、降维等计算密集、高度并行的数据运算。面向图像序列的计算扩展，在CPU端引入线程池技术，通过每个线程都绑定一个CUDA流处理一幅图像的方法，实现了多幅图像并发流处理和流内数据传输延时的隐藏；利用线程池技术提供线程预创建、资源预分配及根据资源消耗情况的线程数量动态增减等方法，提高了CPU对GPU计算资源的调度使用效率。实验结果表明，在保证同等精度的前提下，基于异构计算平台的图像GIST特征提取方法相比传统CPU平台达到8.35~9.31倍的加速比，在使用线程池之后算法处理图像序列数据时速度进一步提升10.0%~37.2%。