多核體系結(jié)構(gòu)是計算機發(fā)展歷史上的重大轉(zhuǎn)變,在傳統(tǒng)的通過頻率提升來提高處理器性能的方法遇到巨大困難的情況下,人們開始轉(zhuǎn)向在相對低的主頻下,通過提高半導體的密度,集成更多處理單元來提供計算能力的持續(xù)提升,以滿足計算機視覺等新興的萬億級別RMS （Tera-Scaled Recognition, Mining, Synthesis）應用的計算需求。近年來,多核和眾核體系的快速發(fā)展和廣泛應用為此類應用的實時實現(xiàn)提供了硬件基礎(chǔ)和可能。不過,由于必須通過并行的方式才能獲得對硬件計算能力的有效利用,如何有效地發(fā)掘可用的程序并行性到可用的硬件并行性的最佳映射,成為了多核和眾核體系平臺下計算機視覺應用開發(fā)面臨的一個關(guān)鍵挑戰(zhàn)。本文以車輛輔助駕駛系統(tǒng)中車輛識別算法這一核心的計算機視覺應用的并行化研究為背景,從應用模型和負載分析入手,研究了此類應用的計算特性,識別出此類應用并行優(yōu)化中需要滿足的三個關(guān)鍵能力需求；總結(jié)了六種關(guān)鍵的數(shù)據(jù)并行模式；并且提出：在領(lǐng)域知識的指導下,結(jié)合先驗的并行策略,基于實時負載特性、硬件特性的動、靜態(tài)結(jié)合的并行優(yōu)化是針對上面問題的一個比較理想的解決思路。本文具體工作內(nèi)容如下：首先,針對... 

【文章來源】：東北大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：156 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
目錄
第1章 緒論
    1.1 研究背景
        1.1.1 計算機視覺應用的復雜性
        1.1.2 多核和眾核平臺的復雜性
        1.1.3 并行開發(fā)任務(wù)的復雜性
    1.2 存在問題和相關(guān)研究方向
        1.2.1 存在問題
        1.2.2 相關(guān)研究方向
    1.3 主要研究內(nèi)容和目標
    1.4 論文結(jié)構(gòu)和章節(jié)安排
第2章 計算機視覺應用并行優(yōu)化研究現(xiàn)狀
    2.1 計算機視覺應用特性分析
        2.1.1 計算機視覺應用模型
        2.1.2 計算機視覺應用負載分析
        2.1.3 并行優(yōu)化關(guān)鍵能力需求
    2.2 多核平臺并行優(yōu)化相關(guān)研究
        2.2.1 多核和眾核硬件體系
        2.2.2 并行計算模型
        2.2.3 并行編程語言和規(guī)范
        2.2.4 自動優(yōu)化工具和框架
    2.3 并行優(yōu)化評估方法
        2.3.1 并行加速比
        2.3.2 負載均衡度
    2.4 本章小結(jié)
第3章 并行計算模型和優(yōu)化方法研究
    3.1 并行計算模型研究
        3.1.1 存在問題
        3.1.2 擴展的TStreams模型
        3.1.3 并行性描述能力的改進
    3.2 并行優(yōu)化方法研究
        3.2.1 FAPOF：并行優(yōu)化框架
        3.2.2 細化的并行優(yōu)化評估方法
    3.3 本章小結(jié)
第4章 并行優(yōu)化核心過程關(guān)鍵技術(shù)研究
    4.1 并行性抽象和表達
        4.1.1 基于擴展模型的中間表達
        4.1.2 聲明性并行說明語言
    4.2 并行性發(fā)掘和發(fā)現(xiàn)
        4.2.1 并行性發(fā)掘的基本過程
        4.2.2 并行性發(fā)掘的規(guī)則
        4.2.3 并行性發(fā)掘的搜索算法
    4.3 輸入依賴的動態(tài)調(diào)度
        4.3.1 動態(tài)輸入評估和調(diào)度算法
        4.3.2 FAPOF動態(tài)調(diào)度的性能改進
    4.4 本章小結(jié)
第5章 并行優(yōu)化框架實現(xiàn)技術(shù)研究
    5.1 并行優(yōu)化框架結(jié)構(gòu)
    5.2 DSL語言支持
        5.2.1 DSL編譯器構(gòu)造
        5.2.2 中間表達構(gòu)建API
        5.2.3 骨架中間表達生成
    5.3 自動優(yōu)化工具支持
        5.3.1 高層優(yōu)化(HLO)實現(xiàn)
        5.3.2 底層優(yōu)化(LLO)實現(xiàn)
    5.4 運行時環(huán)境支持
        5.4.1 DWE模塊實現(xiàn)
        5.4.2 動態(tài)調(diào)度支持的相關(guān)問題
    5.5 本章小結(jié)
第6章 并行優(yōu)化關(guān)鍵技術(shù)應用和評估
    6.1 目標算法與實驗平臺簡介
        6.1.1 車輛識別算法簡介
        6.1.2 多核體系實驗平臺簡介
        6.1.3 實驗樣本和測試方法
    6.2 車輛識別算法整體的優(yōu)化
    6.3 基于知識的分割算法的優(yōu)化和評估
        6.3.1 串行算法簡介
        6.3.2 基于FAPOF的優(yōu)化
        6.3.3 分割算法優(yōu)化評估
    6.4 基于知識的識別算法的優(yōu)化和評估
        6.4.1 串行算法簡介
        6.4.2 基于FAPOF的優(yōu)化
        6.4.3 基于知識的識別算法的優(yōu)化評估
    6.5 基于機器學習的識別算法優(yōu)化和評估
        6.5.1 基于機器學習的識別算法簡介
        6.5.2 基于FAPOF的優(yōu)化
        6.5.3 機器學習算法的優(yōu)化評估
    6.6 算法整體的優(yōu)化性能評估
    6.7 小結(jié)
第7章 結(jié)論
    7.1 研究總結(jié)
    7.2 未來研究方向
參考文獻
致謝
作者簡介
攻讀學位期間發(fā)表的論文及科研工作


【參考文獻】：
期刊論文
[1]基于知識和外觀方法相結(jié)合的后方車輛檢測[J]. 文學志,趙宏,王楠,袁淮.  東北大學學報(自然科學版). 2007(03)



本文編號：3202154