Tesla

GPU 應用

成像和電腦視覺

電腦視覺和影像處理演算法必需進行相當密集的運算。憑藉CUDA加速,應用程式的視框速率將能達到即時互動的效能表現。以下將列出一些在成像及視覺領域所進行的工作,並列出開發人員可利用的資源。

GPU Technology Conference

2013 年 GPU技術大會 (GTC 2013) 的電腦視覺相關內容,現已提供

GTC 2013 所提供的電腦視覺完整精彩內容,盡在此處。 請觀看課程  >
使用CUDA進行成像及視覺工作的技術報告
> 仿生電腦視覺

分割

> "CUDA分割:利用GPU進行快速圖像分割"

機器學習及資料處理

> 硬體效率可信度傳遞推論演算法
> 使用GPU的快速K最鄰近搜尋
   


相關垂直領域中的CUDA-加速
> 用於 C, C++, FORTRAN 的 ArrayFire GPU 函式資料庫
> MATLAB®
> 採用支援CUDA的GPU加速醫學成像
 
 
CUDA GPU中的影像和視覺核心軟體內核
> CUDA的層級設定分割
> CUDA的視訊分割
> CUDA中的多級SVM實作
> 行進偵測

SIFT (尺度不變性特徵轉換Scale Invariant Feature Transform)

> Marten Bjorkman的實作
> SiftGPU

光學流動

> Flowlib:高密度光學流動
> 貝式光學流動(Baysian Optical Flow)

資料庫和資料蒐集

> GPU4Vision
> OpenVIDIA: 以CUDA為基礎的常用電腦視覺演算法,包括
> MinGPU:一個針對電腦視覺的小型資料庫
> NVPP: NVIDIA高效能元件(NVIDIA Performance Primitives)(初期開發計劃:鎖定影像和視訊處理)
另請參考
> Tesla/CUDA成功案例
> 其他Tesla 垂直解決方案
> CUDA 軟體開發工具和資料庫
> Buy Tesla
 
 

MATLAB is a registered trademark of The MathWorks, Inc.
ArrayFire 為 AccelerEyes 的商標