卷积检测模型的GPU加速研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究内容与主要工作 | 第14-15页 |
| 1.4 章节安排 | 第15-16页 |
| 第二章 主流卷积检测模型 | 第16-31页 |
| 2.1 形变部件模型 | 第16-24页 |
| 2.1.1 HOG特征 | 第16-18页 |
| 2.1.2 混合形变部件模型 | 第18-20页 |
| 2.1.3 模板匹配 | 第20-23页 |
| 2.1.4 Latent SVM | 第23-24页 |
| 2.2 卷积神经网络 | 第24-30页 |
| 2.2.1 网络结构 | 第24-28页 |
| 2.2.2 卷积层 | 第28-29页 |
| 2.2.3 采样层 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 卷积检测模型的频域加速 | 第31-48页 |
| 3.1 频域加速算法 | 第32-39页 |
| 3.1.1 计算复杂度分析 | 第32-34页 |
| 3.1.2 快速傅里叶变换 | 第34-36页 |
| 3.1.3 拼接策略 | 第36-39页 |
| 3.2 算法基本流程 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 卷积检测模型的GPU加速 | 第48-65页 |
| 4.1 OpenCL简介 | 第48-53页 |
| 4.1.1 平台模型 | 第48-49页 |
| 4.1.2 执行模型 | 第49-51页 |
| 4.1.3 内存模型 | 第51-52页 |
| 4.1.4 编程模型 | 第52-53页 |
| 4.2 算法并行性分析 | 第53-56页 |
| 4.2.1 数据并行性 | 第53-54页 |
| 4.2.2 任务并行性 | 第54-56页 |
| 4.3 GPU并行实现与优化 | 第56-62页 |
| 4.3.1 OpenCL实现 | 第56-58页 |
| 4.3.2 OpenCL优化 | 第58-62页 |
| 4.4 实验结果与分析 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 HOG特征的GPU加速 | 第65-72页 |
| 5.1 HOG特征概述 | 第65-67页 |
| 5.2 GPU并行实现与优化 | 第67-70页 |
| 5.2.1 计算图像梯度 | 第68页 |
| 5.2.2 统计梯度直方图 | 第68-69页 |
| 5.2.3 计算梯度能量 | 第69-70页 |
| 5.2.4 构建特征 | 第70页 |
| 5.3 实验结果与分析 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文工作总结 | 第72-73页 |
| 6.2 后续研究展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间已发表或录用的论文 | 第80-82页 |
