2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、人臉識別作為圖像處理、人工智能和模式識別領(lǐng)域的研究課題之一,具有重要的研究價(jià)值和廣闊的市場應(yīng)用前景。隨著人臉識別技術(shù)的發(fā)展,除了原有的識別率以及魯棒性等問題外,人臉識別系統(tǒng)對實(shí)時(shí)性的要求也越來越高。近年來,隨著圖形處理器(GPU)技術(shù)的快速發(fā)展,以及NVIDIA公司的低復(fù)雜度統(tǒng)一計(jì)算設(shè)備架構(gòu)(CUDA)編程模型的推出,GPU被廣泛應(yīng)用于模式識別、圖像處理、流體力學(xué)、視頻壓縮系統(tǒng)實(shí)現(xiàn)。為了滿足人臉識別系統(tǒng)對實(shí)時(shí)性的要求,本文在分析比較幾種

2、經(jīng)典的人臉識別算法的基礎(chǔ)上,深入探討了基于GPU的人臉識別系統(tǒng)設(shè)計(jì)。本文的具體工作包括:
  (1)幾種經(jīng)典人臉特征提取算法和分類算法的比較分析。主成分分析、線性判別分析和Gabor變換是人臉識別中幾種經(jīng)典的特征提取算法,本文在ORL人臉庫上進(jìn)行測試,比較分析了訓(xùn)練樣本數(shù)目不同的情況下,各特征提取算法結(jié)合最近鄰,稀疏表示,協(xié)作表示,線性回歸這幾種分類方法的識別效果,為后續(xù)研究打下基礎(chǔ)。
 ?。?)基于GPU的主成分分析(PC

3、A)人臉識別加速方法研究。在GPU硬件架構(gòu)的基礎(chǔ)上,利用GPU強(qiáng)大的并行處理能力,在CUDA平臺上實(shí)現(xiàn)PCA人臉識別的加速算法。將算法中耗時(shí)長,適合并行的部分移植到GPU上執(zhí)行,其它部分在CPU上串行執(zhí)行。同時(shí)給出人臉識別加速算法的計(jì)算過程,并且將PCA人臉識別算法在CPU平臺和GPU平臺上的運(yùn)算時(shí)間進(jìn)行比對,算法整體獲得了5倍的加速比,兩個(gè)并行部分獲得了20-30的加速比。
  (3)GPU加速實(shí)現(xiàn)的CUDA優(yōu)化研究。在PCA人

4、臉識別的GPU加速實(shí)現(xiàn)過程中,核函數(shù)對全局存儲(chǔ)器進(jìn)行了多次讀取。然而,全局存儲(chǔ)器的訪存延遲較高,任何對全局存儲(chǔ)器的訪問均會(huì)導(dǎo)致一次完全內(nèi)存訪問,這樣將導(dǎo)致線程延遲時(shí)間過長。共享存儲(chǔ)器是位于GPU的片上可讀寫高速存儲(chǔ)器,訪問延遲遠(yuǎn)小于全局存儲(chǔ)器?;诖?,本文利用共享內(nèi)存對PCA人臉識別的GPU實(shí)現(xiàn)過程進(jìn)行了優(yōu)化,解決了線程間通信延遲問題,算法效率得到了更加明顯的提升。相對于串行算法,優(yōu)化部分獲得了500倍的加速比。相對于優(yōu)化前,則獲得了1

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論