Редукция данных с помощью SURF
Алгоритм распознавания с помощью Speeded-Up Robust Features (SURF) состоит из трех шагов: редукция данных, описание функций и соответствие функций. Этот пример выполняет редукцию данных, которая является первым шагом алгоритма SURF. Используемый здесь алгоритм основан на реализации библиотеки OpenSURF. В этом примере показано, как можно использовать GPU Coder™ для решения этой вычислительной интенсивной задачи с помощью генерации кода CUDA ®.
Необходимые условия для третьих лиц
Необходимый
Этот пример генерирует CUDA MEX и имеет следующие требования к третьим лицам.
CUDA включает графический процессор NVIDIA ® и совместимый драйвер.
Дополнительный
Для сборок, не являющихся MEX, таких как статические, динамические библиотеки или исполняемые файлы, этот пример имеет следующие дополнительные требования.
Набор инструментальных средств NVIDIA.
Переменные окружения для компиляторов и библиотек. Для получения дополнительной информации см. раздел «Оборудование сторонних производителей» и «Настройка продуктов для подготовки».
Проверьте окружение GPU
Чтобы убедиться, что компиляторы и библиотеки, необходимые для выполнения этого примера, настроены правильно, используйте coder.checkGpuInstall функция.
envCfg = coder.gpuEnvConfig('host');
envCfg.BasicCodegen = 1;
envCfg.Quiet = 1;
coder.checkGpuInstall(envCfg);
Редукция данных
Редукция данных является фундаментальным шагом в любом алгоритме распознавания объектов. Он относится к процессу извлечения полезной информации, называемой функциями, из входа изображения. Извлечённые функции должны быть показательными в природе, нести важные и уникальные атрибуты изображения.
Функция SurfDetect.m является основной точкой входа, которая выполняет редукцию данных. Эта функция принимает 8-битное RGB или 8-битное изображение в полутоновом цвете в качестве входов. Выход представляет собой массив извлеченных процентных точек. Эта функция состоит из следующих вызовов функций, которые содержат расчеты, подходящие для параллелизации графический процессор:
Функция Convert32bitFPGray.m преобразует 8-битное изображение RGB в 8-битное изображение в полутоновом цвете. Если введенный вход уже находится в 8-битном формате полутонового цвета, пропустите этот шаг. После этого шага 8-битное изображение полутонового цвета преобразуется в 32-битовое представление с плавающей точкой для обеспечения быстрых расчетов на графическом процессоре.
Функция MyIntegralImage.m вычисляет интегральное изображение 32-битного полутонового изображения с плавающей точкой, полученного на предыдущем шаге. Интегральное изображение полезно для упрощения нахождения суммы пикселей, заключенных в любой прямоугольной области изображения. Нахождение суммы пикселей помогает улучшить скорость сверток, выполненных на следующем шаге.
Функция FastHessian.m выполняет свертку изображения с помощью коробчатых фильтров разных размеров и сохраняет вычисленные отклики. В данном примере используйте следующие параметры:
Number of Octaves: 5
Number of Intervals: 4
Threshold: 0.0004
Filter Sizes: Octave 1 - 9, 15, 21, 27
Octave 2 - 15, 27, 39, 51
Octave 3 - 27, 51, 75, 99
Octave 4 - 51, 99, 147, 195
Octave 5 - 99, 195, 291, 387
Функция NonMaxSuppression_gpu.m выполняет немыслимое подавление, чтобы отфильтровать только полезные процентные точки от ответов, полученных ранее. Чтобы сгенерировать ядро, которое использует
atomicAddоперация, используйтеcoder.cevalконструировать. Поскольку эта конструкция несовместима при вызове непосредственно из MATLAB ®, существует два различных вызова функций. Функция NonMaxSuppression_gpu.m вызывается, когда включена генерация кода GPU, и NonMaxSuppression.m вызывается, когда вы выполняете алгоритм непосредственно в MATLAB.
Функция OrientationCalc.m вычисляет и присваивает ориентацию процентным точкам на предыдущем шаге.
Конечным результатом является массив процентных точек, где процентная точка является структурой, которая состоит из этих полей:
x, y (coordinates), scale, orientation, Laplacian
Чтение входного изображения
Чтение входа изображения в MATLAB при помощи imread функция.
imageFile = 'peppers.png';
inputImage = imread(imageFile);
imshow(inputImage);
Сгенерируйте MEX CUDA для функции
Чтобы сгенерировать CUDA MEX для SurfDetect function, создайте объект строения GPU Coder, а затем запустите codegen функция.
cfg = coder.gpuConfig('mex'); evalc('codegen -config cfg SurfDetect -args {inputImage}');
Запуск MEX-функции на графическом процессоре
Можно вызвать сгенерированную MEX-функцию SurfDetect_mex для запуска на графическом процессоре:
disp('Running GPU Coder SURF'); interestPointsGPU = SurfDetect_mex(inputImage); fprintf(' GPU Coder SURF found: %d interest points\n',length(interestPointsGPU));
Running GPU Coder SURF
GPU Coder SURF found: 249 interest points
Изображение извлечённых процентных точек
Область выхода interestPointsGPU - массив извлеченных процентных точек. Эти процентные точки изображены поверх входа изображения в окно рисунка.
DrawIpoints(imageFile, interestPointsGPU);
Ссылки
Заметки о библиотеке OpenSURF Кристофера Эванса.
SURF: ускоренные робастные функции Герберта Бэя, Тинне Туйтелаарса и Люка Ван Гола.
См. также
Функции
codegen|coder.checkGpuInstall|coder.gpu.constantMemory|coder.gpu.kernel|coder.gpu.kernelfun|gpucoder.matrixMatrixKernel|gpucoder.stencilKernel