Mean shift na CUDA

Abstract

Mean Shift je flexibilní segmentační algoritmus, pomocí kterého lze například z obrázku určit jednotlivé části, které patří k sobě. Člověk je schopen tyto části v obrázku rozpoznat sám od sebe, zatímco počítači musíme metodu pro jejich rozpoznání nejprve implementovat, například právě použitím tohoto algoritmu. Časová náročnost výpočtu tohoto algoritmu je ovšem pro nás vysoká díky jeho složitosti, což se negativně promítá do výkonu a tím pádem také do jeho použitelnosti. Tato bakalářská práce si klade za cíl analyzovat stávající algoritmus pro procesor, navrhnout řešení využívající paralelního zpracování pomocí technologie CUDA, implementovat jej a porovnat dosažené výsledky. Práce obsahuje návrh a analýzu takového algoritmu společně s rozborem jeho výsledků.

Mean Shift is a flexible segmentation algorithm, by which we can for example determine individual parts of a picture that belong together. Man is able to recognize these by himself, while for a computer we must first implement this recognition method, for example by using this algorithm. The time demands for computation of this algorithm are however very big because of its complexity, which negatively affects performance and thus its usefulness. This bachelor work aims to analyze the existing algorithm for processor, suggest a solution using parallel processing by CUDA, implement it and evaluate the accomplished goals. This work consists of design and analysis of such algorithm together with evaluation of its results.