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
módulo de procesamiento a bordo del sensor, con diferentes aspectos que
puedan afectar de forma negativa al payload de la misión (peso, consumo
energético, calentamiento, mantenimiento, etc.) En este sentido, las GPUs
ofrecen una solución mucho más compacta, si bien es cierto que es preciso
realizar un estudio detallado de las condiciones de tolerancia de las GPUs a
requerimientos extremos en cuanto a consumo y sensibilidad a radiación,
necesario a la hora de calibrar la adaptabilidad de esta plataforma hardware
especializada a misiones reales de observación remota de la tierra.
Para concluir este capítulo, planteamos algunas líneas futuras de trabajo
adicionales que serían interesante perseguir en futuras ampliaciones de este trabajo:
• Se ha hablado de que la principal ventaja de la implementación GPU con
respecto al uso de cluster es el aspecto económico; sin embargo no se ha
podido realizar ningún tipo de comparación real entre ambas soluciones en
cuanto resultados y tiempos de ejecución, luego sería interesante realizar
dicho estudio en el futuro.
• Una alternativa interesante a la metodología propuesta viene dada por la
posibilidad de implementar algoritmos paralelos en clusters de GPUs,
aprovechando las ventajas de ambos paradigmas de computación paralela.
• Por otra parte, y con vistas a ampliar el desarrollo de este trabajo, otra línea
futura de trabajo deberá consistir en probar implementaciones GPU en
algoritmos de clasificación supervisada que han sido desarrollados en la
herramienta GoogleCBIR, tales como Maximum Likelihood y Mínimas
distancias.
• Finalmente, se plantea como futura extensión del trabajo desarrollado la
implementación del algoritmo en otras arquitecturas paralelas como FPGAs,
clusters de computación paralela o sistemas GRID, de cara a evaluar las
prestaciones de dicho algoritmo en comparación con otros algoritmos de
clasificación no supervisada también disponibles en forma de
implementación paralela.
Trabajo Fin de Máster -79- Sergio Bernabé García