مقاله تقسیم بندی موازی تصویر با استفاده از Reduction-Sweeps بر روی پردازنده های چند هسته ای و GPU ها (2013 آی تریپل ای)

1-مقدمه

2-کار مرتبط

3- الگوریتم

الف-مجموعه نامرتب

ب- معیار ادغام

پ- ترتیب Sweep

د- Post-process

4 -پیاده سازی

5- نتایج

6- نتیجه گیری

In this paper we introduce the Reduction Sweep algorithm, a novel graph-based image segmentation algorithm that is designed for easy parallelization. It is based on a clustering approach focusing on local image characteristics. Each pixel is compared with its neighbors in an implicitly independent manner, and those deemed sufficiently similar according to a color criterion are joined. We achieve fast execution times while still maintaining the visual quality of the results. The algorithm is presented in four different implementations: sequential CPU, parallel CPU, GPU, and hybrid CPU-GPU. We compare the execution times of the four versions with each other and with other closely related image segmentation algorithms.

ما در این مقاله الگوریتم Reduction-Sweeps ، یک الگوریتم تقسیم بندی تصویر مبتنی بر گراف جدید را معرفی می کنیم که برای موازی سازی ساده طراحی شده است. که بر اساس رویکرد خوشه بندی متمرکز بر ویژگی های تصویر محلی می باشد. هر پیکسل بطور ضمنی به روش مستقل با همسایگانش مقایسه شده است، و آنهایی که با توجه به معیار رنگ به اندازه کافی مشابه می باشند بهم پیوند خورده اند. ما در حالیکه همچنان کیفیت عینی نتایج را حفظ می کنیم به زمانهای اجرای سریع دست می یابیم. الگوریتم در چهار پیاده سازی مختلف ارائه شده است: CPU (واحد پردازنده مرکزی)ترتیبی، CPU موازی، GPU (واحد پردازش گرافیکی)و CPU-GPU ترکیبی. ما زمانهای اجرای چهار نسخه را با یکدیگر و با دیگر الگوریتم های تقسیم بندی تصویر مرتبط نزدیک به آنها، مقایسه میکنیم.