Detekce objektů na GPU
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce je zaměřena na akceleraci detekce objektů v obraze metodou Random Forest. Detektor Random Forest se skládá ze souboru náhodných rozhodovacích stromů, které jsou na sobě nezávisle vyhodnocovány, čehož lze využít pro akceleraci na grafické jednotce. Vývoj a zvyšování výkonu grafických procesorů umožnilo použití GPU pro masivně paralelní obecné výpočty (GPGPU). Cílem této práce je popsat způsob implementace metody Random Forest na GPU s využitím standardu OpenCL.
This thesis is focused on the acceleration of Random Forest object detection in an image. Random Forest detector is an ensemble of independently evaluated random decision trees. This feature can be used to acceleration on graphics unit. Development and increasing performance of graphics processing units allow the use of GPU for general-purpose computing (GPGPU). The goal of this thesis is describe how to implement Random Forest method on GPU with OpenCL standard.
This thesis is focused on the acceleration of Random Forest object detection in an image. Random Forest detector is an ensemble of independently evaluated random decision trees. This feature can be used to acceleration on graphics unit. Development and increasing performance of graphics processing units allow the use of GPU for general-purpose computing (GPGPU). The goal of this thesis is describe how to implement Random Forest method on GPU with OpenCL standard.
Description
Citation
JURÁK, M. Detekce objektů na GPU [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Počítačová grafika a multimédia
Comittee
prof. Dr. Ing. Pavel Zemčík (předseda)
doc. Ing. Richard Růžička, Ph.D., MBA (místopředseda)
Ing. Vítězslav Beran, Ph.D. (člen)
doc. Ing. Lukáš Burget, Ph.D. (člen)
doc. Mgr. Adam Rogalewicz, Ph.D. (člen)
doc. Ing. Jiří Rybička, Dr. (člen)
Date of acceptance
2015-08-26
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " D ". Otázky u obhajoby: Kam zmizel CPU overhead? Vypustil jste ho z prezentovaných měření, nebo se Vám ho podařilo eliminovat? Jak rychle dokážete zpracovat video (kolik fps)? Má použití "mipmap" obrazu nějakou výhodu oproti paralelnímu zmenšení a vyhodnocení detektoru na všech rozlišeních nezávisle? Nic nebrání tomu počítat detekci na mnoha obrázcích paralelně a nezávisle. Proč používáte work group 32x8? Proč je work group 2D i po přeskupení vláken? Proč zmenšujete obraz bilineární interpolací? Nemá tento postup negativní vliv na úspěšnost detekce? Proč na obrázku 6.3 po snížení "ShrinkFactor" na 2 některé detekce zmizely a proč se objevily velké detect (např. dvě auta v popředí)? Neměly by pouze přibýt detekce objektů v rozmezí velkostí 80x80 a 40x40 pixelů?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení