Wszystkie pola: Szymczyk, P. - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Aspekty czasowe algorytmu SURF w wersji sekwencyjnej i równoległej zaimplementowanej w technologii CUDA
Time aspects of SURF algorithm in sequential and parallel version
Autorzy:: Szymczyk, M.
Szymczyk, P.
Powiązania:: https://bibliotekanauki.pl/articles/275263.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: SURF
CUDA
GPGPU
rozpoznawanie obrazów
programowanie równoległe
image recognition
parallel programming
Opis:: W artykule przedstawiono wyniki prac, których celem było zbadanie możliwości implementacji algorytmu wyznaczania punktów charakterystycznych za pomocą metody SURF na platformie CUDA oraz porównanie czasów obliczeń sekwencyjnej i równoległej implementacji tego algorytmu.
This article presents results of our work concerned possibility of implementation of algorithm for assigning key points using SURF algorithm and CUDA technology. The work also compares time of execution of these applications.
Źródło:: Pomiary Automatyka Robotyka; 2011, 15, 12; 241-243
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Skocz do pozycji: 2.

Tytuł:: Parallel implementation of neural networks with the use of GPGPU technology OpenCL
Autorzy:: Kłyś, M.
Szymczyk, M.
Szymczyk, P.
Gajer, M.
Powiązania:: https://bibliotekanauki.pl/articles/114679.pdf
Data publikacji:: 2015
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: OpenCL
Artificial Neural Networks
GPGPU
Opis:: The article discusses possibilities of implementing a neural network in a parallel way. The issues of implementation are illustrated with the example of the non-linear neural network. Parallel implementation of earlier mentioned neural network is written with the use of OpenCL library, which is a representative of software supporting general-purpose computing on graphics processor units (GPGPU). The obtained results demonstrate that some group of algorithms can be computed faster if they are implemented in a parallel way and run on a multi-core processor (CPU) or a graphics processing unit (GPU). In case of the GPU, the implemented algorithm should be divided into many threads in order to perform computations faster than on a multi-core CPU. In general, computations on a GPU should be performed when there is a need to process a large amount of data with the use of algorithm which is very well suited to parallel implementation.
Źródło:: Measurement Automation Monitoring; 2015, 61, 1; 16-20
2450-2855
Pojawia się w:: Measurement Automation Monitoring
Dostawca treści:: Biblioteka Nauki

Artykuł

Informacja