车辆识别中基于CnC的动态调度方法设计与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究背景 | 第9-10页 |
| ·课题国内外发展现状及存在问题 | 第10-13页 |
| ·国内的发展现状 | 第10-11页 |
| ·国外的发展现状 | 第11-12页 |
| ·存在问题 | 第12-13页 |
| ·课题的研究目的、内容及意义 | 第13-14页 |
| ·研究目的 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·本文的组织 | 第14-15页 |
| 第2章 车辆识别技术的相关研究 | 第15-27页 |
| ·引言 | 第15页 |
| ·车辆识别的主要算法 | 第15-22页 |
| ·车辆识别流程 | 第15-17页 |
| ·车辆存在假设 | 第17-22页 |
| ·车辆存在验证 | 第22页 |
| ·多核应用与任务调度 | 第22-26页 |
| ·多核应用研究方向 | 第22-25页 |
| ·任务调度的重要性 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于CnC的动态调度方法设计与实现 | 第27-55页 |
| ·引言 | 第27页 |
| ·基于并行模式的流程设计 | 第27-38页 |
| ·生成ROI | 第27-30页 |
| ·检测车辆 | 第30-33页 |
| ·车辆定位 | 第33-36页 |
| ·车辆过滤 | 第36-37页 |
| ·车辆验证 | 第37-38页 |
| ·基于并行模型的流程实现 | 第38-45页 |
| ·并行编程模型 | 第38-42页 |
| ·TStreams原型 | 第38页 |
| ·CnC并行模型 | 第38-42页 |
| ·并行粒度划分实现 | 第42-45页 |
| ·ROI之间并行粒度级别 | 第43-44页 |
| ·ROI图像帧混合并行粒度级别 | 第44-45页 |
| ·运行时动态调度方法实现 | 第45-54页 |
| ·基本方法 | 第46-52页 |
| ·木桶模型 | 第47-49页 |
| ·启发式方法 | 第49-51页 |
| ·性能评价 | 第51-52页 |
| ·调度方法实现 | 第52-54页 |
| ·可调度的ROI之间并行粒度级别 | 第52-53页 |
| ·可调度的ROI图像帧混合并行粒度级别 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 实验与评估 | 第55-71页 |
| ·引言 | 第55页 |
| ·实验平台 | 第55-57页 |
| ·实验结果 | 第57-69页 |
| ·实验结论 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 总结与展望 | 第71-73页 |
| ·本文主要工作 | 第71页 |
| ·未来工作展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76页 |
