Показать сокращенную информацию
dc.contributor.author | Сухинов, А. А. | |
dc.contributor.author | Остроброд, Г. Б. | |
dc.contributor.author | Sukhinov, A. A. | |
dc.contributor.author | Ostrobrod, G. B. | |
dc.date.accessioned | 2015-08-21T03:45:30Z | |
dc.date.available | 2015-08-21T03:45:30Z | |
dc.date.issued | 2014 | |
dc.identifier.citation | Сухинов, А. А. Эффективная детекция лиц на многоядерном процессоре Epiphany / А. А. Сухинов, Г. Б. Остроброд // Вестник ЮУрГУ. Серия Вычислительная математика и информатика.- 2014.- Т. 3. № 3.- С. 5-19.- Библиогр.: с. 17-18 (11 назв.) | ru_RU |
dc.identifier.issn | 2305-9052 | |
dc.identifier.uri | http://dspace.susu.ac.ru/xmlui/handle/0001.74/5152 | |
dc.description | Сухинов Антон Александрович, к.ф. м.н., научный сотрудник, Сколковский институт науки и технологий (Сколково, Российская Федерация), soukhinov@gmail.com. Остроброд Георгий Борисович, программист ООО «СиВижинЛаб» (Таганрог, Российская Федерация), wdf.gost@gmail.com. A.A. Sukhinov, Skolkovo Institute of Science and Technology (Skolkovo, Russia), G.B. Ostrobrod, CVisionLab (Taganrog, Russia) | ru_RU |
dc.description.abstract | В статье рассматривается возможность использования энергоэффективного микропроцессора Epiphany для решения актуальной прикладной задачи - детекции лиц на изображении. Этот микропроцессор представляет собой многоядерную вычислительную систему с распределенной памятью, выполненную на одном кристалле. Из-за малой площади кристалла микропроцессор обладает существенными аппаратными ограничениями (в частности, он имеет всего 32 килобайта памяти на ядро), которые ограничивают выбор алгоритма и затрудняют его программную реализацию. Для детекции лиц адаптирован известный алгоритм, основанный на каскадном классификаторе, использующем LBP-признаки (Local Binary Patterns). Показано, что микропроцессор Epiphany, имеющий 16 ядер, может на этой задаче в 2,5 раза обогнать одноядерный процессор персонального компьютера той же тактовой частоты, при этом потребляя лишь 0,5 ватта электрической мощности. I t is studied the possibility of usage of energy-efficient Epiphany microprocessor for solving actual applied problem of face detection at still image. The microprocessor is a multicore system with distributed memory, implemented in a single chip. Due to small die area the microprocessor has significant hardware limitations (in particular it has only 32 kilobytes of memory per core) which limit the range of usable algorithms and complicate their software implementation. Common face-detection algorithm based on local binary patterns (LBP) and cascading classifier was adapted for parallel implementation. It is shown that Epiphany microprocessor having 16 cores can outperform single-core CPU of personal computer having the same clock rate by a factor of 2.5, while consuming only 0.5 watts of electric power. | ru_RU |
dc.language.iso | other | ru_RU |
dc.publisher | Издательский центр ЮУрГУ | ru_RU |
dc.relation.ispartof | Вестник ЮУрГу. Серия Вычислительная математика и информатика | ru |
dc.relation.ispartof | Bulletin of South Ural State University. Series 'Computational mathematics and software engineering" | en |
dc.relation.ispartofseries | Вычислительная математика и информатика;Том 3 | |
dc.subject | УДК 004.93’1 | ru_RU |
dc.subject | УДК 004.272.23 | ru_RU |
dc.subject | УДК 004.258 | ru_RU |
dc.subject | УДК 004.272.45 | ru_RU |
dc.subject | детекция лиц | ru_RU |
dc.subject | локальные бинарные шаблоны | ru_RU |
dc.subject | параллельная обработка данных | ru_RU |
dc.subject | специализированные микропроцессоры | ru_RU |
dc.subject | распределенная память | ru_RU |
dc.subject | face detection | ru_RU |
dc.subject | local binary patterns | ru_RU |
dc.subject | parallel data processing | ru_RU |
dc.subject | specialized processors | ru_RU |
dc.subject | distributed memory | ru_RU |
dc.subject | ГРНТИ 50.33 | ru_RU |
dc.title | Эффективная детекция лиц на многоядерном процессоре Epiphany | ru_RU |
dc.title.alternative | Efficient face detection on Epiphany multicore processor | ru_RU |
dc.type | Article | ru_RU |