Driving to a fast IMS feature vector computing

La creciente cantidad de imágenes transmitidas a través de Internet ha llevado al desarrollo de Sistemas de Minería de Imágenes de propósito general. La performance de un SMI depende en gran medida de una rápida y buena especificación del vector característica que describe unívocamente a una imagen...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Fernández, Jacqueline, Guerrero, Roberto A., Miranda, Natalia Carolina, Piccoli, María Fabiana
Formato: Objeto de conferencia
Lenguaje:Inglés
Publicado: 2008
Materias:
Ciencias Informáticas
Signal processing
Sistemas de Minería de Imágenes
Input/output
computación paralela
Parallel
Image Mining Systems (IMS)
parallel computing
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/21793
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-21793
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Inglés
topic Ciencias Informáticas
Signal processing
Sistemas de Minería de Imágenes
Input/output
computación paralela
Parallel
Image Mining Systems (IMS)
parallel computing
spellingShingle Ciencias Informáticas
Signal processing
Sistemas de Minería de Imágenes
Input/output
computación paralela
Parallel
Image Mining Systems (IMS)
parallel computing
Fernández, Jacqueline
Guerrero, Roberto A.
Miranda, Natalia Carolina
Piccoli, María Fabiana
Driving to a fast IMS feature vector computing
topic_facet Ciencias Informáticas
Signal processing
Sistemas de Minería de Imágenes
Input/output
computación paralela
Parallel
Image Mining Systems (IMS)
parallel computing
description La creciente cantidad de imágenes transmitidas a través de Internet ha llevado al desarrollo de Sistemas de Minería de Imágenes de propósito general. La performance de un SMI depende en gran medida de una rápida y buena especificación del vector característica que describe unívocamente a una imagen completa. El tamaño del vector y las relaciones existentes entre cada una de las características evaluadas y su tiempo de procesamiento son críticos, más aún cuando la cantidad de imágenes es lo suficientemente grande. Una posible solución consiste en el uso de paralelismo en las diferentes tareas involucradas en un SMI. Hoy en día, los clusters de computadoras son una opción ampliamente utilizada, con un bajo costo y alto rendimiento, principalmente para máquinas de propósitos específicos y se adaptan a la resolución de problemas de procesamiento de imágenes con un alto grado de paralelismo y localidad de datos. En este paper nos focalizaremos en el paralelismo de la etapa de procesamiento de un sistema SMI con la intención de acelerar el cálculo del vector característica por medio de una arquitectura cluster intentando brindar una mejor performance al sistema SMI en su totalidad.
format Objeto de conferencia
Objeto de conferencia
author Fernández, Jacqueline
Guerrero, Roberto A.
Miranda, Natalia Carolina
Piccoli, María Fabiana
author_facet Fernández, Jacqueline
Guerrero, Roberto A.
Miranda, Natalia Carolina
Piccoli, María Fabiana
author_sort Fernández, Jacqueline
title Driving to a fast IMS feature vector computing
title_short Driving to a fast IMS feature vector computing
title_full Driving to a fast IMS feature vector computing
title_fullStr Driving to a fast IMS feature vector computing
title_full_unstemmed Driving to a fast IMS feature vector computing
title_sort driving to a fast ims feature vector computing
publishDate 2008
url http://sedici.unlp.edu.ar/handle/10915/21793
work_keys_str_mv AT fernandezjacqueline drivingtoafastimsfeaturevectorcomputing
AT guerrerorobertoa drivingtoafastimsfeaturevectorcomputing
AT mirandanataliacarolina drivingtoafastimsfeaturevectorcomputing
AT piccolimariafabiana drivingtoafastimsfeaturevectorcomputing
bdutipo_str Repositorios
_version_ 1764820464907059200

Ejemplares similares