基于CUDA的Adaboost算法并行实现

• 作者: 李德华 程峰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: GPU Adaboost CUDA 人脸检测
• 年，卷（期）: 2011,（2）
• 页码范围: 118-123
• 分类号: TP391
• 字数: 3591字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2011.02.023

摘要

Adaboost算法是一种用于目标检测的有效算法,自2001年应用于人脸检测以来,陆续有各种改进算法提出,旨在提高检测精度和适用范围.然而,训练一个Adaboost分类器仍然是一个很耗时间的过程.目前,CUDA与Adaboost结合的研究主要集中于在已有分类器的基础上加速目标检测的过程,构建实时目标检测系统.本文对Adaboost算法进行分析,针对其训练时间长的问题,结合GPU的硬件结构和CUDA的编程特点,从特征值计算和弱分类器训练两方面对其进行并行化,提出了基于CUDA的Adaboost算法的实现方法,优化了数据存储结构、访问方式和程序流程.在样本大小为19×19,样本数量为38 400的样本集上,获得了8.1倍的加速比.与传统方法相比,在提高训练速度的同时,保证了较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德华	华中科技大学图像识别与人工智能研究所	123	1321	19.0	29.0
2	程峰	华中科技大学图像识别与人工智能研究所	1	22	1.0	1.0