Detección de puntos claves mediante SIFT paralelizado en GPU

Este trabajo presenta una optimización del método de detección de puntos SIFT (Scale Invariant Feature Transform), mediante su paralelización empleando una GPU (Unidad de Procesamiento Gráfico), aprovechando los múltiples núcleos de esta para dividir los procesos utilizando las API CUDA (Arquitectur...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Aracena-Pizarro,Diego, Daneri-Alvarado,Nicolás
Lenguaje:	Spanish / Castilian
Publicado:	Universidad de Tarapacá. 2013
Materias:	SIFT paralelismo GPU CUDA puntos clave
Acceso en línea:	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052013000300013
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:scielo:S0718-33052013000300013
record_format	dspace
spelling	oai:scielo:S0718-330520130003000132015-01-07Detección de puntos claves mediante SIFT paralelizado en GPUAracena-Pizarro,DiegoDaneri-Alvarado,Nicolás SIFT paralelismo GPU CUDA puntos clave Este trabajo presenta una optimización del método de detección de puntos SIFT (Scale Invariant Feature Transform), mediante su paralelización empleando una GPU (Unidad de Procesamiento Gráfico), aprovechando los múltiples núcleos de esta para dividir los procesos utilizando las API CUDA (Arquitectura Unificada de Dispositivos de Cómputo). El objetivo es acelerar el tiempo de cómputo, que es una variable crítica para todo el proceso de detección de puntos característicos. La estrategia utilizada se basa en dos premisas: el balance carga y la distribución de cálculo. Cada hilo realizará las operaciones necesarias para el cálculo de SIFT y así obtener los descriptores necesarios de acuerdo con un umbral apropiado. Dentro de SIFT se trabajó paralelizando el proceso de asignación de orientación, una de las etapas de SIFT consiste en la acumulación de todas las orientaciones en torno a una región de un punto clave, asignándose a cada pixel en la ventana un subproceso, centrada en la ubicación de un punto clave. Las pruebas se realizaron con un notebook con procesador Core 2 Duo 2.2Ghz, 3GB de RAM y una VGA GeForce 8600GT (32 núcleos) de 512MB. De los resultados obtenidos se observa que se logra un rendimiento en cuanto a velocidad del orden de 42,5 milisegundos en promedio, considerando todas las pruebas realizadas y todas las resoluciones trabajadas (320x240, 480x360, 640x480, 800x600, 1024x768, 1280x960), donde la paralelización de SIFT no muestra pérdidas significativas de puntos claves en comparación con la versión secuencial.info:eu-repo/semantics/openAccessUniversidad de Tarapacá.Ingeniare. Revista chilena de ingeniería v.21 n.3 20132013-12-01text/htmlhttp://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052013000300013es10.4067/S0718-33052013000300013
institution	Scielo Chile
collection	Scielo Chile
language	Spanish / Castilian
topic	SIFT paralelismo GPU CUDA puntos clave
spellingShingle	SIFT paralelismo GPU CUDA puntos clave Aracena-Pizarro,Diego Daneri-Alvarado,Nicolás Detección de puntos claves mediante SIFT paralelizado en GPU
description	Este trabajo presenta una optimización del método de detección de puntos SIFT (Scale Invariant Feature Transform), mediante su paralelización empleando una GPU (Unidad de Procesamiento Gráfico), aprovechando los múltiples núcleos de esta para dividir los procesos utilizando las API CUDA (Arquitectura Unificada de Dispositivos de Cómputo). El objetivo es acelerar el tiempo de cómputo, que es una variable crítica para todo el proceso de detección de puntos característicos. La estrategia utilizada se basa en dos premisas: el balance carga y la distribución de cálculo. Cada hilo realizará las operaciones necesarias para el cálculo de SIFT y así obtener los descriptores necesarios de acuerdo con un umbral apropiado. Dentro de SIFT se trabajó paralelizando el proceso de asignación de orientación, una de las etapas de SIFT consiste en la acumulación de todas las orientaciones en torno a una región de un punto clave, asignándose a cada pixel en la ventana un subproceso, centrada en la ubicación de un punto clave. Las pruebas se realizaron con un notebook con procesador Core 2 Duo 2.2Ghz, 3GB de RAM y una VGA GeForce 8600GT (32 núcleos) de 512MB. De los resultados obtenidos se observa que se logra un rendimiento en cuanto a velocidad del orden de 42,5 milisegundos en promedio, considerando todas las pruebas realizadas y todas las resoluciones trabajadas (320x240, 480x360, 640x480, 800x600, 1024x768, 1280x960), donde la paralelización de SIFT no muestra pérdidas significativas de puntos claves en comparación con la versión secuencial.
author	Aracena-Pizarro,Diego Daneri-Alvarado,Nicolás
author_facet	Aracena-Pizarro,Diego Daneri-Alvarado,Nicolás
author_sort	Aracena-Pizarro,Diego
title	Detección de puntos claves mediante SIFT paralelizado en GPU
title_short	Detección de puntos claves mediante SIFT paralelizado en GPU
title_full	Detección de puntos claves mediante SIFT paralelizado en GPU
title_fullStr	Detección de puntos claves mediante SIFT paralelizado en GPU
title_full_unstemmed	Detección de puntos claves mediante SIFT paralelizado en GPU
title_sort	detección de puntos claves mediante sift paralelizado en gpu
publisher	Universidad de Tarapacá.
publishDate	2013
url	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052013000300013
work_keys_str_mv	AT aracenapizarrodiego detecciondepuntosclavesmediantesiftparalelizadoengpu AT danerialvaradonicolas detecciondepuntosclavesmediantesiftparalelizadoengpu
_version_	1714203408981819392

Detección de puntos claves mediante SIFT paralelizado en GPU

Ejemplares similares