Optymalizacja nadzorowanej klasyfikacji obrazĂłw teledetekcyjnych z wykorzystaniem ukĹadĂłw GPU i przetwarzania rĂłwnolegĹego

Abstrakt

Klasyfikacja obrazĂłw teledetekcyjnych jest zadaniem wymagajÄcym duĹźych nakĹadĂłw mocy obliczeniowej. WspĂłĹczesne mikroprocesory ogĂłlnego zastosowania nie odznaczajÄ siÄ satysfakcjonujÄcÄ wydajnoĹciÄ. W pracy podjÄta zostaĹa prĂłba zredukowania czasu obliczeĹ klasyfikacji nadzorowanej przy uĹźyciu procesorĂłw kart graficznych. Wykorzystano w tym celu architekturÄ CUDA. Technologia ta sprawdziĹa siÄ juĹź w wielu dziedzinach, przy algorytmach o zbliĹźonej konstrukcji. SzczegĂłlnie waĹźnym aspektem pracy byĹo odpowiednie przeksztaĹcenie standardowych rozwiÄzaĹ tak, by wykorzystaÄ caĹy potencjaĹ procesora graficznego. W tym celu zamieniono sekwencyjne instrukcje na polecenia rĂłwnolegĹe. Optymalizacji zostaĹa poddana metoda najbliĹźszego sÄsiada oraz k-najbliĹźszych sÄsiadĂłw. Czasy wykonania tych algorytmĂłw przy zastosowaniu jedynie procesora gĹĂłwnego oraz CPU w poĹÄczeniu z GPU porĂłwnano ze sobÄ, otrzymujÄc efekty przemawiajÄce na korzyĹÄ drugiego podejĹcia. MetodÄ k-NN przyspieszono takĹźe na jednostce centralnej przy uĹźyciu powszechnie stosowanej struktury k-wymiarowego drzewa. Sprawdzono nastÄpnie, ktĂłra akceleracja przyniosĹa lepsze rezultaty. W pracy zbadano skutecznoĹÄ optymalizacji obliczeĹ na dwĂłch róşnych urzÄdzeniach, dla obrazĂłw testowych o róşnej rozdzielczoĹci.