基于多GPU的高光谱遥感数据快速并行目标检测研究

目录

声明

1 绪论

1.1 课题研究背景和意义

1.2 国内外研究现状

1.2.1 高光谱目标检测研究现状

1.2.2 高光谱目标检测的并行优化研究现状

1.3 论文主要工作及内容安排

1.3.1 论文主要工作

1.3.2 论文内容安排

2 多GPU并行优化技术

2.1 GPU并行概述

2.2 CUDA编程平台

2.2.1 CUDA诞生与发展

2.2.2 CUDA编程模型介绍

2.3 多GPU异构编程系统

2.3.1 多GPU编程模型

2.3.2 统一内存技术

2.3.3 基于OpenMP和Pthread 的多GPU并行计算

2.3.4 基于流处理的多GPU并行计算

2.4 实验评价指标

2.4.1 实验精度评价指标

2.4.2 并行效果评价指标

2.5 论文实验数据

2.6 论文实验平台

2.7 本章小结

3 高光谱视频序列低秩分解目标检测算法的GPU并行优化

3.1 引言

3.2 基于低秩分解的HVS目标检测模型

3.3 基于GPU的目标检测并行优化设计

3.3.1 面向计算和数据密集型算法的GPU并行优化设计

3.3.2 存储优化的设计

3.3.3 基于核函数并发性的线程网络合并策略

3.3.4 基于迭代并行化重构的快速算法

3.4 实验结果及分析

3.4.1 检测效果分析

3.4.2 执行效率分析

3.4.3 并行效果分析

3.5 本章小结

4 基于多GPU并行的高光谱视频序列目标检测算法优化

4.1 引言

4.2 基于时空TV正则化低秩分解的HVS目标检测模型

4.3 基于CPU+GPU平台的目标检测算法并行设计与优化

4.3.1 基于细粒度线程级并行的单GPU算法总体设计

4.3.2 计算资源关联的核函数维度自适应配置

4.3.3 数据依赖的核函数快速设计

4.4 基于多GPU的目标检测算法并行设计与优化

4.4.1 基于任务等级的多类型存储分配

4.4.2 基于异步流技术的低时延传输设计

4.4.3 多线程任务调度下的多GPU高效并行算法设计

4.5 实验验证及结果分析

4.5.1 精度分析

4.5.2 执行时间和加速比

4.5.3 并行效果分析

4.5.4 内核参数设置比较

4.6 本章小结

5 总结与展望

5.1 研究工作总结

5.2 下一步工作展望

致谢

参考文献

附录