多核平台计算机视觉应用并行优化关键技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-13页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-16页 |
| 1.1.1 计算机视觉应用的复杂性 | 第14-15页 |
| 1.1.2 多核和众核平台的复杂性 | 第15页 |
| 1.1.3 并行开发任务的复杂性 | 第15-16页 |
| 1.2 存在问题和相关研究方向 | 第16-20页 |
| 1.2.1 存在问题 | 第16-17页 |
| 1.2.2 相关研究方向 | 第17-20页 |
| 1.3 主要研究内容和目标 | 第20-22页 |
| 1.4 论文结构和章节安排 | 第22-25页 |
| 第2章 计算机视觉应用并行优化研究现状 | 第25-43页 |
| 2.1 计算机视觉应用特性分析 | 第25-32页 |
| 2.1.1 计算机视觉应用模型 | 第25-29页 |
| 2.1.2 计算机视觉应用负载分析 | 第29-31页 |
| 2.1.3 并行优化关键能力需求 | 第31-32页 |
| 2.2 多核平台并行优化相关研究 | 第32-40页 |
| 2.2.1 多核和众核硬件体系 | 第32-33页 |
| 2.2.2 并行计算模型 | 第33-36页 |
| 2.2.3 并行编程语言和规范 | 第36-39页 |
| 2.2.4 自动优化工具和框架 | 第39-40页 |
| 2.3 并行优化评估方法 | 第40-42页 |
| 2.3.1 并行加速比 | 第40-41页 |
| 2.3.2 负载均衡度 | 第41-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第3章 并行计算模型和优化方法研究 | 第43-59页 |
| 3.1 并行计算模型研究 | 第43-52页 |
| 3.1.1 存在问题 | 第43-44页 |
| 3.1.2 扩展的TStreams模型 | 第44-50页 |
| 3.1.3 并行性描述能力的改进 | 第50-52页 |
| 3.2 并行优化方法研究 | 第52-57页 |
| 3.2.1 FAPOF：并行优化框架 | 第52-56页 |
| 3.2.2 细化的并行优化评估方法 | 第56-57页 |
| 3.3 本章小结 | 第57-59页 |
| 第4章 并行优化核心过程关键技术研究 | 第59-85页 |
| 4.1 并行性抽象和表达 | 第59-76页 |
| 4.1.1 基于扩展模型的中间表达 | 第59-67页 |
| 4.1.2 声明性并行说明语言 | 第67-76页 |
| 4.2 并行性发掘和发现 | 第76-80页 |
| 4.2.1 并行性发掘的基本过程 | 第76-78页 |
| 4.2.2 并行性发掘的规则 | 第78-80页 |
| 4.2.3 并行性发掘的搜索算法 | 第80页 |
| 4.3 输入依赖的动态调度 | 第80-83页 |
| 4.3.1 动态输入评估和调度算法 | 第81-82页 |
| 4.3.2 FAPOF动态调度的性能改进 | 第82-83页 |
| 4.4 本章小结 | 第83-85页 |
| 第5章 并行优化框架实现技术研究 | 第85-109页 |
| 5.1 并行优化框架结构 | 第85-87页 |
| 5.2 DSL语言支持 | 第87-97页 |
| 5.2.1 DSL编译器构造 | 第87-88页 |
| 5.2.2 中间表达构建API | 第88-94页 |
| 5.2.3 骨架中间表达生成 | 第94-97页 |
| 5.3 自动优化工具支持 | 第97-102页 |
| 5.3.1 高层优化(HLO)实现 | 第97-99页 |
| 5.3.2 底层优化(LLO)实现 | 第99-102页 |
| 5.4 运行时环境支持 | 第102-108页 |
| 5.4.1 DWE模块实现 | 第102-106页 |
| 5.4.2 动态调度支持的相关问题 | 第106-108页 |
| 5.5 本章小结 | 第108-109页 |
| 第6章 并行优化关键技术应用和评估 | 第109-135页 |
| 6.1 目标算法与实验平台简介 | 第109-114页 |
| 6.1.1 车辆识别算法简介 | 第109-111页 |
| 6.1.2 多核体系实验平台简介 | 第111-113页 |
| 6.1.3 实验样本和测试方法 | 第113-114页 |
| 6.2 车辆识别算法整体的优化 | 第114-116页 |
| 6.3 基于知识的分割算法的优化和评估 | 第116-120页 |
| 6.3.1 串行算法简介 | 第116-117页 |
| 6.3.2 基于FAPOF的优化 | 第117-118页 |
| 6.3.3 分割算法优化评估 | 第118-120页 |
| 6.4 基于知识的识别算法的优化和评估 | 第120-127页 |
| 6.4.1 串行算法简介 | 第120-123页 |
| 6.4.2 基于FAPOF的优化 | 第123-126页 |
| 6.4.3 基于知识的识别算法的优化评估 | 第126-127页 |
| 6.5 基于机器学习的识别算法优化和评估 | 第127-131页 |
| 6.5.1 基于机器学习的识别算法简介 | 第128-129页 |
| 6.5.2 基于FAPOF的优化 | 第129-130页 |
| 6.5.3 机器学习算法的优化评估 | 第130-131页 |
| 6.6 算法整体的优化性能评估 | 第131-133页 |
| 6.7 小结 | 第133-135页 |
| 第7章 结论 | 第135-139页 |
| 7.1 研究总结 | 第135-137页 |
| 7.2 未来研究方向 | 第137-139页 |
| 参考文献 | 第139-151页 |
| 致谢 | 第151-153页 |
| 作者简介 | 第153-155页 |
| 攻读学位期间发表的论文及科研工作 | 第155-156页 |
