基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
HOG特征是一种简单高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战.解决方法之一就是通过使用“神威太湖之光”超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速.主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片.大量的串行和并行处理的实验测试结果表明,对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95.两种并行设计方案在“神威太湖之光”的多处理器节点上具有很好的可扩展性能.
推荐文章
基于申威众核处理器的NSGA-Ⅱ并行和优化方法
申威众核处理器
NSGA-Ⅱ
并行遗传算法
多目标
并行优化
基于神威众核处理器的排列熵算法并行加速方法
排列熵
神威众核处理器
MPI
OpenACC
嵌入维数
申威众核处理器的并行NSGA-II算法
非支配排序遗传算法
多目标优化
并行遗传算法
众核处理器
神威·太湖之光
基于申威众核处理器的NSGA-Ⅱ并行和优化方法
申威众核处理器
NSGA-Ⅱ
并行遗传算法
多目标
并行优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于申威众核处理器的HOG特征提取算法并行加速
来源期刊 计算机工程与科学 学科 工学
关键词 HOG特征提取 神威太湖之光 申威SW26010 并行实现
年,卷(期) 2017,(4) 所属期刊栏目 高性能计算
研究方向 页码范围 611-618
页数 8页 分类号 TP391.4
字数 6677字 语种 中文
DOI 10.3969/j.issn.1007-130X.2017.04.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 钱德沛 北京航空航天大学计算机学院 98 550 12.0 18.0
2 刘轶 北京航空航天大学计算机学院 38 269 8.0 15.0
4 赵美婷 北京航空航天大学计算机学院 1 4 1.0 1.0
10 刘锐 北京航空航天大学计算机学院 4 23 3.0 4.0
14 宋凯达 北京航空航天大学计算机学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (4)
同被引文献  (18)
二级引证文献  (6)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
HOG特征提取
神威太湖之光
申威SW26010
并行实现
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导