一种针对深度学习超分辨率技术的GPU加速方法

摘要

本发明公开一种针对深度学习超分辨率技术的GPU加速方法，所述方法将基于深度学习、卷积神经网络的超分辨率技术的所有步骤都并行化，并在GPU运行；所述并行化是对基于深度学习、卷积神经网络的超分辨率技术的卷积进行并行任务划分，将卷积操作划分为数百万个互不相关、能以任意顺序并行执行的微任务，从而使GPU超强并行计算能力得到发挥。进一步的，利用GPU储存器的特性，将卷积核数据和输入图像数据缓存到共享存储器和寄存器，从而大幅优化卷积的计算速度；融合卷积与非线性层；针对不同卷积大小选取最佳优化方法。本发明将一个高质量的超分辨率方法加速到满足视频处理的速度要求，并且不会带来任何图像质量损失。