Detail práce
Detekce objektů na GPU
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.
Detekce objektů, GPGPU, GPU, OpenCL, Random Forest
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Práce obsahovala zásadní technické nedostatky a práce nedosahuje minimálního rozshau. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující a navrhuje odevzdání přepracované práce v srpnu.
- Můžete provést dodatečná měření času, která by pomohla odhalit, proč je CPU overhead v současných měřeních tak velký?
- Má použití "mipmap" obrazu nějakou výhodu oproti paralelnímu zmenšení a vyhodnocení detektoru na všech rozlišeních nezávisle?
- Co je v současné implementaci (jen GPU část) úzkým hrdlem limitujícím rychlost?
Herout Adam, prof. Ing., Ph.D. (UPGM FIT VUT), člen
Hrdina Jaroslav, doc. Mgr., Ph.D. (UM OADM FSI VUT), člen
Křivka Zbyněk, Ing., Ph.D. (UIFS FIT VUT), člen
Smrž Pavel, doc. RNDr., Ph.D. (UPGM FIT VUT), člen
Strnadel Josef, Ing., Ph.D. (UPSY FIT VUT), člen
@mastersthesis{FITMT17074, author = "Martin Jur\'{a}k", type = "Diplomov\'{a} pr\'{a}ce", title = "Detekce objekt\r{u} na GPU", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2015, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/17074/" }