Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales

En este trabajo se presentan dos algoritmos de detección de objetivos en imágenes hiperespectrales específicamente desarrollados para su implementación sobre GPU, ambos basados en la aplicación de ANNs (Artificial Neural Networks). El primer algoritmo, denominado algoritmo de detección de objetivos...

ver descrição completa

Detalhes bibliográficos
Autor: López Gómez, Juan
Formato: tesis de maestría
Fecha de publicación:2011
País:España
Recursos:Universidad de Santiago de Compostela (USC)
Repositorio:Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Idioma:español
OAI Identifier:oai:minerva.usc.gal:10347/12991
Acesso em linha:http://hdl.handle.net/10347/12991
Access Level:acceso abierto
Palavra-chave:Materias::Investigación::33 Ciencias tecnológicas::3304 Tecnología de los ordenadores::330499 Otras (especificar)
id ES_79aec0fa7ccd00e00a13d14951ff98f8
oai_identifier_str oai:minerva.usc.gal:10347/12991
network_acronym_str ES
network_name_str España
repository_id_str
spelling Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronalesLópez Gómez, JuanMaterias::Investigación::33 Ciencias tecnológicas::3304 Tecnología de los ordenadores::330499 Otras (especificar)En este trabajo se presentan dos algoritmos de detección de objetivos en imágenes hiperespectrales específicamente desarrollados para su implementación sobre GPU, ambos basados en la aplicación de ANNs (Artificial Neural Networks). El primer algoritmo, denominado algoritmo de detección de objetivos a nivel de píxel, basa su búsqueda en la exploración píxel a píxel de la imagen hiperespectral, detectando si en cada uno de ellos se encuentra el objetivo buscado, o una parte del mismo. El segundo algoritmo, denominado algoritmo de detección de objetivos multi-resolución, basa su búsqueda en la exploración jerárquica de áreas de tamaño decreciente de imagen (volúmenes hiperespectrales), detectando y acotando el objetivo independientemente de la escala a la que este se encuentre. En la implementación sobre GPU de las ANNs utilizadas en ambos algoritmos se analizan dos aproximaciones diferentes de paralelización: paralelismo a nivel neuronal, y paralelismo a nivel de enlace sináptico. Además, se tienen en cuenta un gran número de estrategias de optimización específicas para GPU, con el fín de explotar adecuadamente la enorme capacidad de cómputo de las tarjetas, y de ocultar la latencia en los accesos a memoria. En la fase de resultados los algoritmos son testeados mediante la búsqueda de objetivos sobre dos tipos diferentes de imágenes hiperespectrales, una aplicada al reconocimiento de materiales, y otra aplicada a funciones de búsqueda y rescate. Los tiempos de ejecución obtenidos muestran la efectividad de los algoritmos de detección desarrollados, así como la conveniencia de su implementación sobre GPU.Universidade de Santiago de Compostela. Escola Técnica Superior de EnxeñaríaBlanco Heras, DoraArgüello Pedreira, Francisco20112011-01-0120112011-01-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10347/12991reponame:Minerva. Repositorio Institucional de la Universidad de Santiago de Compostelainstname:Universidad de Santiago de Compostela (USC)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:minerva.usc.gal:10347/129912026-06-15T12:47:27Z
dc.title.none.fl_str_mv Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
title Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
spellingShingle Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
López Gómez, Juan
Materias::Investigación::33 Ciencias tecnológicas::3304 Tecnología de los ordenadores::330499 Otras (especificar)
title_short Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
title_full Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
title_fullStr Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
title_full_unstemmed Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
title_sort Desarrollo sobre GPU de técnicas para la detección de objetivos en imágenes hiperespectrales mediante la utilización de redes neuronales
dc.creator.none.fl_str_mv López Gómez, Juan
author López Gómez, Juan
author_facet López Gómez, Juan
author_role author
dc.contributor.none.fl_str_mv Universidade de Santiago de Compostela. Escola Técnica Superior de Enxeñaría
Blanco Heras, Dora
Argüello Pedreira, Francisco
dc.subject.none.fl_str_mv Materias::Investigación::33 Ciencias tecnológicas::3304 Tecnología de los ordenadores::330499 Otras (especificar)
topic Materias::Investigación::33 Ciencias tecnológicas::3304 Tecnología de los ordenadores::330499 Otras (especificar)
description En este trabajo se presentan dos algoritmos de detección de objetivos en imágenes hiperespectrales específicamente desarrollados para su implementación sobre GPU, ambos basados en la aplicación de ANNs (Artificial Neural Networks). El primer algoritmo, denominado algoritmo de detección de objetivos a nivel de píxel, basa su búsqueda en la exploración píxel a píxel de la imagen hiperespectral, detectando si en cada uno de ellos se encuentra el objetivo buscado, o una parte del mismo. El segundo algoritmo, denominado algoritmo de detección de objetivos multi-resolución, basa su búsqueda en la exploración jerárquica de áreas de tamaño decreciente de imagen (volúmenes hiperespectrales), detectando y acotando el objetivo independientemente de la escala a la que este se encuentre. En la implementación sobre GPU de las ANNs utilizadas en ambos algoritmos se analizan dos aproximaciones diferentes de paralelización: paralelismo a nivel neuronal, y paralelismo a nivel de enlace sináptico. Además, se tienen en cuenta un gran número de estrategias de optimización específicas para GPU, con el fín de explotar adecuadamente la enorme capacidad de cómputo de las tarjetas, y de ocultar la latencia en los accesos a memoria. En la fase de resultados los algoritmos son testeados mediante la búsqueda de objetivos sobre dos tipos diferentes de imágenes hiperespectrales, una aplicada al reconocimiento de materiales, y otra aplicada a funciones de búsqueda y rescate. Los tiempos de ejecución obtenidos muestran la efectividad de los algoritmos de detección desarrollados, así como la conveniencia de su implementación sobre GPU.
publishDate 2011
dc.date.none.fl_str_mv 2011
2011-01-01
2011
2011-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10347/12991
url http://hdl.handle.net/10347/12991
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
instname:Universidad de Santiago de Compostela (USC)
instname_str Universidad de Santiago de Compostela (USC)
reponame_str Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
collection Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869411367918764033
score 15.811543

Registos relacionados