Revista de operaciones bursátiles y de divisas
Acceso abierto

abstracto

Aceleración y reducción de energía de la detección de objetos en la unidad de procesamiento de gráficos móviles

cuchillo efrén

La evolución de la informática de alto rendimiento en los teléfonos inteligentes de hoy permite su uso en aplicaciones de computación intensiva. A medida que aumenta el requisito de cómputo, la energía requerida para realizar el cálculo no puede aumentar en proporción porque el costo de proporcionar esa energía disponible y el enfriamiento se volverían prohibitivos. Un enfoque alternativo, potencialmente reductor de energía, es usar unidades de procesamiento de gráficos o núcleos aceleradores especiales. Los teléfonos inteligentes de hoy en día están equipados con dispositivos de sistema en chip (SoC) que albergan muchos núcleos, como unidades de procesamiento de gráficos, procesadores de señales digitales y hardware especial codificador/descodificador multimedia junto con unidades de procesamiento central de múltiples núcleos. Su inclusión permite aplicaciones que requieren una mayor potencia computacional como la visión artificial en tiempo real. En este trabajo, estudiamos la capacidad de la unidad de procesamiento de gráficos (GPU) de propósito general introducida recientemente en un SoC de teléfono inteligente para permitir la detección de objetos con eficiencia energética. Esto incluirá la comprensión de la arquitectura de las GPU recientes que se utilizarán (Adreno 320 y Adreno 420 de Qualcomm), la implementación y optimización del algoritmo de detección de objetos utilizado en la biblioteca Open Computer Vision (OpenCV) utilizando estas GPU y midiendo la consumo de energía de esta implementación. Implementamos la detección de objetos basada en Viola-Jones en la GPU en una tableta Android. La implementación es un 35 % más rápida en promedio que el mismo algoritmo que se ejecuta en la CPU en el mismo dispositivo. La implementación también reduce el consumo de energía promedio en un 68% en comparación con la CPU en el mismo dispositivo. Se desarrolló una aplicación que utilizaba el detector de objetos en la GPU móvil para detectar la tiña cutánea. Se entrenó un clasificador para esta aplicación y tiene una precisión del 75%.