Подходы к оптимизации и распараллеливанию вычислений в задаче детектирования объектов разных классов на изображении

Abstract

Рассматривается задача детектирования объектов разных классов на статических изображениях: фотографиях или отдельных кадрах видеопотока. Описывается схема решения данной задачи с использованием алгоритма Latent SVM. Используется известный подход к ускорению вычислений - построение каскада классификаторов. Описывается вычислительная схема решения задачи детектирования с помощью каскадного Latent SVM. Обсуждаются проблемы распараллеливания и оптимизации времени поиска объектов одного класса на изображении. Проводится анализ вариантов решения указанных проблем. Выделяются наиболее трудоемкие участки реализаций, рассматриваются различные схемы распараллеливания, оцениваются их преимущества и недостатки. Приводятся результаты вычислительных экспериментов на базе изображений PASCAL Visual Object Challenge 2007, дается их анализ, а также формулируются выводы и планы по дальнейшему развитию. This paper considers the problem of object detection in static images. We describe a state-of-the-art method based on Latent SVM algorithm. A well-known approach to speed up calculations, the construction of cascade classifiers, is used. We describe a computational scheme that uses cascade modification of the original Latent SVM algorithm The issues of parallelization and performance optimization are discussed. We analyze the most timeconsuming parts of implementation, consider several parallelization schemes and aspects of their performance. The results of numerical experiments on PASCAL Visual Object Challenge 2007 image dataset are given.