Implementación en GPU del algoritmo K-Means para ... - UMBC
Implementación en GPU del algoritmo K-Means para ... - UMBC
Implementación en GPU del algoritmo K-Means para ... - UMBC
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Implem<strong>en</strong>tación</strong> <strong>en</strong> <strong>GPU</strong> <strong>del</strong> <strong>algoritmo</strong> K-<strong>Means</strong> <strong>para</strong> procesami<strong>en</strong>to <strong>para</strong>lelo<br />
de imág<strong>en</strong>es de satélite disponibles <strong>en</strong> la herrami<strong>en</strong>ta Google Maps<br />
Figura 6.9. Segm<strong>en</strong>tación de la zona seleccionada <strong>del</strong> río Nilo utilizando el <strong>algoritmo</strong><br />
K-<strong>Means</strong> con la herrami<strong>en</strong>ta ENVI.<br />
Como hemos podido comprobar de forma visual la segm<strong>en</strong>tación realizada por<br />
nuestro <strong>algoritmo</strong> <strong>en</strong> <strong>GPU</strong> no es muy distinta a la realizada por la herrami<strong>en</strong>ta ENVI.<br />
Ahora nos quedaría demostrarlo a través de la com<strong>para</strong>ción de los distintos píxeles<br />
clasificados por nuestro <strong>algoritmo</strong> calculando un porc<strong>en</strong>taje de acierto. Ya que no se<br />
dispon<strong>en</strong> de medidas verdad-terr<strong>en</strong>o, se ha decidido utilizar las imág<strong>en</strong>es de la<br />
herrami<strong>en</strong>ta ENVI cómo nuestra medida de refer<strong>en</strong>cia <strong>para</strong> evaluar las imág<strong>en</strong>es<br />
obt<strong>en</strong>idas por nuestra herrami<strong>en</strong>ta. De esta manera, es necesario conocer cuántos<br />
píxeles de la imag<strong>en</strong> clasificada g<strong>en</strong>erada por nuestra herrami<strong>en</strong>ta se clasifican<br />
correctam<strong>en</strong>te por clase. Así t<strong>en</strong>dremos unas estadísticas que nos ayudarán a valorar<br />
positivam<strong>en</strong>te o negativam<strong>en</strong>te nuestros resultados tras la aplicación <strong>del</strong> <strong>algoritmo</strong> de<br />
clasificación no supervisada.<br />
Para la obt<strong>en</strong>ción de dichas estadísticas, se ha elaborado un pequeño programa<br />
capaz de ir com<strong>para</strong>ndo los píxeles de una imag<strong>en</strong> y otra, at<strong>en</strong>di<strong>en</strong>do que los colores<br />
asignados por nuestra herrami<strong>en</strong>ta y por la de ENVI no son iguales. Por ello, es<br />
necesario t<strong>en</strong>erlos <strong>en</strong> cu<strong>en</strong>ta <strong>para</strong> ofrecer unos resultados correctos.<br />
La tabla 6.3 muestra una com<strong>para</strong>tiva (<strong>en</strong> términos de porc<strong>en</strong>taje de acierto)<br />
<strong>en</strong>tre la imag<strong>en</strong> mostrada <strong>en</strong> la figura 6.8 (correspondi<strong>en</strong>te al método K-<strong>Means</strong><br />
implem<strong>en</strong>tado) y la imag<strong>en</strong> mostrada <strong>en</strong> la figura 6.9 (correspondi<strong>en</strong>te al método<br />
Trabajo Fin de Máster -70- Sergio Bernabé García