이 연구는 고차원 초분광 데이터의 차원 축소를 위해 주성분 분석(PCA) 알고리즘을 고성능 컴퓨팅 플랫폼인 GPU와 manycore에 효율적으로 구현하고, 최근 발표된 FPGA 기반 PCA 알고리즘 구현과 비교 분석하였다.
PCA 알고리즘은 초분광 영상 처리에서 널리 사용되는 차원 축소 기법이지만, 계산량이 많아 실시간 또는 준실시간 응용에 적용하기 어려운 문제가 있다. 이를 해결하기 위해 GPU와 manycore 플랫폼에 Jacobi 기반 PCA 알고리즘을 효율적으로 구현하였다.
GPU 구현에서는 cuBLAS 라이브러리와 Thrust 라이브러리를 활용하여 병렬 처리를 수행하였다. 영상 전처리, 공분산 행렬 계산, 고유벡터 분해, 영상 투영 및 차원 축소 등 PCA 알고리즘의 각 단계를 병렬화하였다.
manycore 구현에서는 Kalray MPPA-256-N 플랫폼의 특성을 고려하여 Jacobi 기반 PCA 알고리즘을 효율적으로 구현하였다. 클러스터 간 통신과 클러스터 내부 병렬 처리를 최적화하였다.
마지막으로, GPU, manycore, FPGA 기반 PCA 알고리즘 구현 결과를 비교 분석하였다. 각 플랫폼의 장단점을 파악하고, 응용 분야에 따른 적합성을 논의하였다.
Para outro idioma
do conteúdo fonte
arxiv.org
Principais Insights Extraídos De
by E. M... às arxiv.org 03-28-2024
https://arxiv.org/pdf/2403.18321.pdfPerguntas Mais Profundas