10.16208/j.issn1000-7024.2019.02.009
基于OpenCL机器视觉算法GPU实现
针对不断增长的对机器视觉算法处理效率和实时性的要求,研究基于异构编程框架OpenCL对机器视觉算法在通用计算机图形处理单元(GPU)上的并行处理和加速方法,提出结合存储分配、指令流优化、数据重用等方法的并行优化策略.在Sobel边缘检测、Canny边缘检测、Harris角点检测、高斯图像金字塔4个不同并行度视觉算法上进行验证,验证结果表明,在不考虑数据传输的情况下,对比CPU串行实现取得了平均6.16的加速比,对比OpenCV的GPU库(即CUDA实现)取得了1.12-5.47的加速比,验证了所提优化策略的有效性.
开放计算语言、图形处理器、并行加速、机器视觉算法、异构框架
40
TP302.7(计算技术、计算机技术)
国家自然科学基金面上基金项目61772417;国家自然科学基金重点基金项目61634004;国家自然科学基金青年基金项目61602377;陕西省科技统筹创新工程基金项目2016KTZDGY02-04-02;陕西省重点研发计划基金项目2017GY-060;陕西省自然科学基础研究计划基金项目2018JM4018
2019-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
346-351