Étiquetage et analyse en composantes connexes sur GPUs

Résumé : Jusqu'à récemment, les algorithmes d'étiquetage pour GPU étaient itératifs. Ce qui était un problème majeur car le temps de calcul dépendait du contenu de l'image. Le nombre d'itérations pour atteindre la stabilité de propagation deś etiquettes pouvait être très élevé. Durant ces dernières années, de nouveaux algorithmes d'étiquetage directs ont été proposés. Ils ajoutent des tests additionnels pour éviter les accès mémoires et la sérialisation dû aux instructions atomiques. Cet article présente deux nouveaux algorithmes, un pour l'étiquetage (ECC) et un pour l'analyse (ACC) en composantes connexes. Ces algorithmes utilisent une nouvelle structure de données combinée avec des instructions de bas niveau pour tirer parti de l'architecture. Les algorithmes d'analyse en composantes connexes peuvent calculer efficacement les caractéristiques telles que les rectangles englobants ou les moments statistiques. Un benchmark sur une carte Jetson TX2 montre que l'algorithme d'étiquetage est 1.8 à 2.7 fois plus rapide que l'état de l'art et peut atteindre une vitesse de traitement de 200 ips pour une résolution de 2048×2048.
Complete list of metadatas

Cited literature [23 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02179411
Contributor : Arthur Hennequin <>
Submitted on : Wednesday, July 10, 2019 - 5:17:37 PM
Last modification on : Sunday, July 14, 2019 - 2:12:45 AM

File

COMPAS2019_ECC_GPU.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02179411, version 1

Citation

Arthur Hennequin, Lionel Lacassagne, Ian Masliah. Étiquetage et analyse en composantes connexes sur GPUs. COMPAS, Jun 2019, Anglet, France. ⟨hal-02179411⟩

Share

Metrics

Record views

17

Files downloads

10