Simple view
Full metadata view
Authors
Statistics
Wykorzystanie GPGPU w obliczeniach równoległych na przykładzie NVIDIA CUDA
Utilization of GPGPU in parallel computing exemplified by NVIDIA CUDA
CUDA, GPU, metryka Haussdorffa, wyszukiwanie wzorca w obrazie
Celem niniejszej pracy było przedstawienie architektury NVIDIA CUDA na przykładzie aplikacji do wyszukiwania wystąpień wzorca w obrazie monochromatycznym. Ukazano specyficzne podejście do pisania programów dla CUDA, które musi brać pod uwagę charakterystykę sprzętową tej architektury.Metoda wyszukiwania wzorca w obrazie bazuje na metryce Hausdorffa mierzącej odległość między skończonymi zbiorami punktów. Wprowadzona modyfikacja pozwala porównywać fragmenty obrazów, co umożliwia wyszukiwanie w obrazach z szumami, gdzie szukany kształt jest częściowo przesłonięty.Projekt został napisany w języku C# z użyciem biblioteki CUDA.NET. Charakteryzuje się modularną budową, opartą na wtyczkach (ang. plugins). Umożliwia ona rozszerzanie aplikacji o nowe metody wyszukiwania bez konieczności modyfikacji istniejącego kodu.Wyniki porównawcze ukazują potencjał drzemiący w procesorze graficznym. Przewaga GPU wzrasta wraz z rozmiarem danych, dzięki konstrukcji algorytmu, w której nacisk został położony na wykorzystanie silnej wielowątkowości karty graficznej.
| dc.abstract.other | Celem niniejszej pracy było przedstawienie architektury NVIDIA CUDA na przykładzie aplikacji do wyszukiwania wystąpień wzorca w obrazie monochromatycznym. Ukazano specyficzne podejście do pisania programów dla CUDA, które musi brać pod uwagę charakterystykę sprzętową tej architektury.Metoda wyszukiwania wzorca w obrazie bazuje na metryce Hausdorffa mierzącej odległość między skończonymi zbiorami punktów. Wprowadzona modyfikacja pozwala porównywać fragmenty obrazów, co umożliwia wyszukiwanie w obrazach z szumami, gdzie szukany kształt jest częściowo przesłonięty.Projekt został napisany w języku C# z użyciem biblioteki CUDA.NET. Charakteryzuje się modularną budową, opartą na wtyczkach (ang. plugins). Umożliwia ona rozszerzanie aplikacji o nowe metody wyszukiwania bez konieczności modyfikacji istniejącego kodu.Wyniki porównawcze ukazują potencjał drzemiący w procesorze graficznym. Przewaga GPU wzrasta wraz z rozmiarem danych, dzięki konstrukcji algorytmu, w której nacisk został położony na wykorzystanie silnej wielowątkowości karty graficznej. | pl |
| dc.affiliation | Wydział Matematyki i Informatyki | pl |
| dc.contributor.advisor | Smołka, Maciej - 131950 | pl |
| dc.contributor.author | Grabowski, Jędrzej | pl |
| dc.contributor.departmentbycode | UJK/WMI2 | pl |
| dc.contributor.reviewer | Denkowski, Zdzisław - 127715 | pl |
| dc.contributor.reviewer | Smołka, Maciej - 131950 | pl |
| dc.date.accessioned | 2020-07-13T19:27:16Z | |
| dc.date.available | 2020-07-13T19:27:16Z | |
| dc.date.submitted | 2010-10-21 | pl |
| dc.fieldofstudy | informatyka stosowana | pl |
| dc.identifier.apd | diploma-51661-36376 | pl |
| dc.identifier.project | APD / O | pl |
| dc.identifier.uri | https://ruj.uj.edu.pl/xmlui/handle/item/167839 | |
| dc.subject.other | CUDA, GPU, metryka Haussdorffa, wyszukiwanie wzorca w obrazie | pl |
| dc.title | Wykorzystanie GPGPU w obliczeniach równoległych na przykładzie NVIDIA CUDA | pl |
| dc.title.alternative | Utilization of GPGPU in parallel computing exemplified by NVIDIA CUDA | pl |
| dc.type | master | pl |
| dspace.entity.type | Publication |