Я пишу программу cuda для сопоставления каждого входного изображения с разрешением ~ 180X180 с примерно 10 000 шаблонных изображений с разрешением ~ 128 * 128. Цель состоит в том, чтобы добиться производительности в реальном времени, т. е. сопоставления шаблонов 25–30 входных изображений (каждое со всеми 10 000 шаблонами) за 1 секунду.
в настоящее время я использую следующий подход
- Предварительно загружены все шаблоны в глобальную память графического процессора, чтобы сохранить операции ввода-вывода во время выполнения.
- Создано одно ядро для сопоставления одного исходного изображения со всеми изображениями шаблона и возврата массива для всех положительных совпадений.
- Выполнение всех операций во временной области (без использования БПФ). Причина в том, что я попробовал реализацию Radix-4 fft, но для этого требуется много промежуточных глобальных операций чтения и записи, что в конечном итоге занимает больше времени.
до сих пор для 1 входного изображения на 10 000 шаблонов требуется около 2 секунд.
Мои вопросы:
- Есть ли способ определить, достижима ли эта задача в реальном времени или нет? Я имею в виду с помощью максимальных FLOPS и ограничений пропускной способности ввода/вывода и т.д.
- Как вычислить, полностью ли используется графический процессор?
- Возможные пути повышения производительности?
Характеристики машины: [i7-4770, 8 ГБ, GTX-680]
Объяснение текущего кода ядра:
- все шаблонные изображения [размер около 128X128 в RGB] загружаются в память графического процессора. Идея состоит в том, чтобы сохранить ввод-вывод во время работы.
- Каждое входное изображение загружается в память текстуры, потому что текстура является хорошим вариантом для 2D-адресации.
- Каждый блок имеет 1024 потока.
- Каждый поток вычисляет значение для каждого выходного пикселя, размер вывода [31X31 = 961 пиксель].
- Количество запущенных блоков равно количеству сопоставленных изображений шаблона.
Код ядра:
__global__ void cudaMatchTemplate(TemplateArray *templates, uchar *Match)
{
int global = blockIdx.x*blockDim.x + threadIdx.x;
__shared__ int idx[TEMPLATE_MATCH_DIM];
__shared__ float out_shared[TEMPLATE_MATCH_DIM];
//halving the template size....
int rows = (templates[blockIdx.x].nHeight)/2;
int cols = (templates[blockIdx.x].nWidth)/2;
int fullCol = templates[blockIdx.x].nWidth;
int x = templates[blockIdx.x].nMatchLeft;
int y = templates[blockIdx.x].nMatchTop;
int offset_y = (threadIdx.x/TEMPLATE_MATCH_SIZE);
int offset_x = (threadIdx.x - offset_y*TEMPLATE_MATCH_SIZE);
// *************** Performing match in time domain *****************************//
int sum = 0;
float temp;
int idxXFactor = 3*(2*(offset_x) + x);
int idxYFactor = 2*(offset_y) + y ;
for (int i = 0; i < rows; i++)
{
int I=3*i*fullCol;
int sourceIdxY = idxYFactor + 2*i;
for (int j = 0; j < cols; j++)
{
int J=3*j;
int sourceIdxX = idxXFactor + 2*J;
int templateIdx = 2*I+2*J;
//**** R *****//
temp = float(tex2D(SourceImgColorTex,sourceIdxX,sourceIdxY)) - float(templates[blockIdx.x].pRAWPixels_gpu[templateIdx]);
sum = sum + temp*temp;
//**** G *****//
temp = float(tex2D(SourceImgColorTex,sourceIdxX+1,sourceIdxY)) - float(templates[blockIdx.x].pRAWPixels_gpu[templateIdx +1]);
sum = sum + temp*temp;
//**** B *****//
temp = float(tex2D(SourceImgColorTex,sourceIdxX+2,sourceIdxY)) - float(templates[blockIdx.x].pRAWPixels_gpu[templateIdx +2]);
sum = sum + temp*temp;
}
}
__syncthreads();
//placing all values in shared memory for comparison.
if(threadIdx.x < TEMPLATE_MATCH_DIM)
{
idx[threadIdx.x] = threadIdx.x;
out_shared[threadIdx.x] = sum;
}
__syncthreads();
// //computing the Min location.....//
#pragma unroll
for(int s=512; s>0; s>>=1)
{
if ((threadIdx.x < s) &&((threadIdx.x + s)<TEMPLATE_MATCH_DIM))
{
idx[threadIdx.x] = out_shared[threadIdx.x] < out_shared[threadIdx.x + s] ? idx[threadIdx.x] : idx[threadIdx.x + s];
out_shared[threadIdx.x] = out_shared[threadIdx.x] < out_shared[threadIdx.x + s] ? out_shared[threadIdx.x] : out_shared[threadIdx.x + s];
}
}
__syncthreads();
if(threadIdx.x <1)
{
int half_Margin = MARGIN_FOR_TEMPLATE_MATCH/2;
int matchY = idx[0]/TEMPLATE_MATCH_SIZE ;
int matchX = idx[0] - matchY * TEMPLATE_MATCH_SIZE;
int diff = absolute(half_Margin - matchX) + absolute(half_Margin - matchY);
if(diff < THRESHOLD)
{
Match[blockIdx.x] = 1;
}
else
Match[blockIdx.x] = 0;
}
}