dc.contributor.advisor | Ψαράκης, Μιχαήλ | |
dc.contributor.author | Παπαζαχαρίου, Χρήστος | |
dc.date.accessioned | 2015-10-19T09:10:19Z | |
dc.date.available | 2015-10-19T09:10:19Z | |
dc.date.issued | 2015-07 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/7823 | |
dc.description.abstract | Η παρούσα εργασία έχει ως σκοπό να παρουσιάσει την σύζευξη δύο τεχνολογικών πεδίων. Τα γενικά πεδία αυτά είναι της Μηχανικής ή υπολογιστικής Όρασης και της Επιτάχυνσης Υλικού και πιο συγκεκριμένα της επιτάχυνσης μέσω Ετερογενούς Παράλληλης Επεξεργασίας με χρήση Επεξεργαστών Γραφικών για Προγραμματισμό Γενικού Σκοπού (General Purpose Graphics Processing Unit programming - GPGPU). Ειδικότερα, θα μελετηθεί το πρόβλημα της Μηχανικής Όρασης, το οποίο είναι ένα πολυσύνθετο αντικείμενο, σε πληθώρα των συνιστωσών του, με σκοπό να γίνει χρήση των τεχνολογιών επιτάχυνσης ως αρωγή για την υλοποίηση της λύσης του. Η εργασία χωρίζεται σε τρία λογικά τμήματα.
Στο πρώτο γίνεται η παρουσίαση των επιμέρους τεχνολογικών πεδίων και επιστημονικών αρχών που διέπουν την Μηχανική Όραση, των παραδοσιακών τεχνικών σε επίπεδο θεωρητικό αλλά και εφαρμοσμένο που μέχρι σήμερα έχουν καθιερωθεί στον χώρο, καθώς και ορισμένων πρόσφατων, καινοτόμων αλλά αναγνωρισμένων προσεγγίσεων.
Στο δεύτερο εκθέτονται οι τεχνολογίες που δύνανται να χρησιμοποιηθούν για να επιταχύνουν τις μεθόδους επίλυσης των ζητούμενων της Μηχανικής Όρασης.
Στο τρίτο και τελευταίο τμήμα, παρουσιάζεται η υλοποίηση εφαρμογής που συνδυάζει τα δύο αυτά τεχνολογικά πεδία. Η εφαρμογή αποτελεί υλοποίηση του αλγορίθμου SIFT (Scale Invariant Feature Transform) με χρήση της γλώσσας CUDA της NVIDIA. Επίσης αναλύονται οι μέθοδοι, οι προκλήσεις και οι προτεινόμενες και υλοποιούμενες τεχνικές που χρησιμοποιήθηκαν. Τέλος, παρουσιάζονται οι πειραματικές μετρήσεις και τα συνεπαγόμενα αποτελέσματα των δοκιμών της υλοποίησης αυτής, τα οποία επιβεβαιώνουν την επίτευξη του στόχου της επιτάχυνσης και το όφελος της χρήσης της τεχνολογίας του Γενικού Σκοπού Προγραμματισμού Επεξεργαστών Γραφικών, σε εφαρμογές μηχανικής όρασης. | el |
dc.format.extent | 115 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Μηχανική όραση | el |
dc.subject | Επεξεργασία εικόνας -- Ψηφιακές τεχνικές | el |
dc.subject | Graphics processing units | el |
dc.title | Επιτάχυνση εφαρμογών μηχανικής όρασης με χρήση επεξεργαστή γραφικών | el |
dc.title.alternative | Acceleration of computer vision applications using graphics processing unit | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.identifier.call | 006.37 ΠΑΠ | el |
dc.description.abstractEN | This thesis aims to present the conjunction of two technological fields. Those fields are Computer Vision and Hardware Acceleration, more precisely acceleration by means of Heterogeneous Parallel Processing using General Purpose Graphics Processing Unit programming (GPGPU). The problem of Computer Vision, which is a complex subject, will be studied in many of its constituents, with the goal of using acceleration technologies to assist the implementation of its solution. The thesis text is divided in three logical partitions.
The firs one presents the respective technological fields and scientific principles that govern Computer Vision, the traditional techniques in a theoretical and applied level along with certain recent, innovative but nonetheless acknowledged approaches.
The second part exhibits the technologies that can be used to speed up the solution methods of the Computer Vision demands.
The third and last part presents the implementation of an application that combines the two fields. This application implements the SIFT algorithm (Scale Invariant Feature Transform) using NVIDIA’s CUDA programming language, following an analysis of the methods, the challenges, as well as the suggested and implemented techniques. Finally, the experimental measurements and the entailing results of this implementation are presented, to confirm the attainment of the acceleration goal, as well as the benefit of the use of General Purpose GPU programming in Computer Vision applications. | el |
dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |