Implementación en GPU del algoritmo K-Means para ... - UMBC

Implementación en GPU del algoritmo K-Means para procesamiento paralelo
de imágenes de satélite disponibles en la herramienta Google Maps
carácter repetitivo de estas operaciones las hace altamente susceptibles de ser
implementadas en diferentes tipos de arquitecturas paralelas, permitiendo así un
incremento significativo de su rendimiento en términos computacionales y dotando a
dichas técnicas de la capacidad de producir una respuesta rápida. Esta tarea es clave
para la explotación de dichas técnicas en aplicaciones que requieren una respuesta en
tiempo casi real.
Las técnicas de computación paralela han sido ampliamente utilizadas para
llevar a cabo tareas de procesamiento de imágenes de gran dimensionalidad,
facilitando la obtención de tiempos de repuesta muy reducidos y pudiendo utilizar
diferentes tipos de arquitecturas [18-20]. En la actualidad, es posible obtener
arquitecturas paralelas de bajo coste mediante la utilización de GPUs de última
generación que cuentan con múltiples procesadores.
El papel de las GPUs
Las técnicas de clasificación de imágenes multiespectrales, en nuestro caso, el
algoritmo de clasificación no supervisado K-Means aplicado sobre imágenes de
satélite extraídas desde Google Maps muestra desde un punto de vista computacional
un patrón de acceso a los datos regular y por tanto un paralelismo inherente a muchos
niveles, como por ejemplo, a nivel de vectores de píxeles. Como resultado se asocian
con sistemas paralelos compuestos por CPUs (por ejemplo clusters Beowulf, ver
figura 2.3). Desafortunadamente estos sistemas son caros y difíciles de adaptar a
bordo de escenarios de procesamiento de sensación remota.
Figura 2.3. Configuración típica de un cluster Beowulf.
Trabajo Fin de Máster -23- Sergio Bernabé García