For performing the intensive image

For performing the intensive image data processing
algorithms, general-purpose computing on graphics processing
units (GPGPU) can be an excellent candidate because the data
of feature detection phase is good for GPU acceleration. Recent
GPGPU studies showed experimental results of many image
processing algorithms in Table 1 when CPU and GPU are used,
respectively [4][11][12]. As shown in this table, for most of
image processing algorithms, GPU was more efficient than
central processing unit (CPU). In contrast, for the speeded-up
robust feature (SURF) detector, GPU did not perform as fast as
CPU. The SURF detector requires more complex computation
than the others in the table [5][6].
According to the complexity degree of image processing
algorithms, GPU is efficient or not in terms of the processing
speed. Moreover, in the AR applications, GPU should perform
the artificial information rendering. Therefore, if all image
processing algorithms for the object detection are assigned to
GPU, the over processing time of the AR application may not
decrease. Consequently, using both of CPU and GPU can
provide better performance than using only GPU and using
only CPU [7]-[10].
We present a parallel processing scheme using both CPU
and GPU in mobile devices. This scheme focuses on enhancing
the processing speed of the object detection.

ผลลัพธ์ (ไทย) 1:

การดำเนินการการประมวลผลข้อมูลภาพแบบเร่งรัดอัลกอริทึม ใช้งานทั่วไปใช้คอมพิวเตอร์ในการประมวลผลกราฟิก(GPGPU) สามารถสมัครยอดเยี่ยมเนื่องจากข้อมูลของคุณลักษณะการตรวจสอบ ระยะดีสำหรับเร่ง ล่าสุดGPGPU ศึกษาแสดงให้เห็นว่าผลการทดลองของภาพหลาย ๆอัลกอริทึมการประมวลผลในตารางที่ 1 เมื่อใช้ CPU และ GPUตามลำดับ [4] [11] [12] ดังแสดงในตารางนี้ ส่วนใหญ่วิธีการประมวลภาพ GPU ได้มีประสิทธิภาพมากกว่าหน่วยประมวลผลกลาง (CPU) สำหรับ speeded ขึ้นตรงกันข้ามตรวจจับลักษณะแข็งแกร่ง (SURF) GPU ไม่ทำเป็นอย่างรวดเร็วเป็นCPU เครื่องตรวจจับคลื่นต้องคำนวณที่ซับซ้อนมากขึ้นกว่าคนอื่น ๆ ในตาราง [5] [6]ตามระดับความซับซ้อนของการประมวลผลภาพอัลกอริทึม GPU มีประสิทธิภาพ หรือไม่ในแง่ ของการประมวลผลความเร็ว นอกจากนี้ ในโปรแกรม AR, GPU ควรดำเนินการแสดงผลข้อมูลประดิษฐ์ ดังนั้น ถ้าทุกภาพอัลกอริทึมการประมวลผลสำหรับการตรวจจับวัตถุกำหนดให้กับGPU มากกว่าระยะเวลาในการแอพลิเคชัน AR อาจไม่ลดลง ดังนั้น ใช้ทั้ง CPU และ GPU สามารถให้ประสิทธิภาพที่ดีกว่าใช้ GPU เท่านั้น และการใช้CPU เท่านั้น [7] - [10]เรานำเสนอแบบขนานการประมวลผลใช้ CPU ทั้งสองและ GPU ในอุปกรณ์เคลื่อนที่ โครงการนี้มุ่งเน้นเสริมสร้างความเร็วการประมวลผลของการตรวจจับวัตถุ

ผลลัพธ์ (ไทย) 2:

สำหรับการดำเนินการประมวลผลข้อมูลภาพเร่งรัด
ขั้นตอนวิธีการใช้คอมพิวเตอร์เพื่อใช้งานทั่วไปในการประมวลผลกราฟิก
หน่วย (GPGPU) สามารถเป็นผู้สมัครที่ดีเพราะข้อมูล
ของขั้นตอนการตรวจสอบคุณสมบัติเป็นสิ่งที่ดีสำหรับการเร่งความเร็ว GPU ล่าสุด
การศึกษา GPGPU แสดงให้เห็นผลการทดลองของภาพหลาย
ขั้นตอนวิธีการประมวลผลในตารางที่ 1 เมื่อ CPU และ GPU จะใช้
ตามลำดับ [4] [11] [12] ดังแสดงในตารางนี้สำหรับส่วนมากของ
ขั้นตอนวิธีการประมวลผลภาพ GPU มีประสิทธิภาพมากขึ้นกว่า
หน่วยประมวลผลกลาง (CPU) ในทางตรงกันข้ามสำหรับเร่งขึ้น
คุณลักษณะที่มีประสิทธิภาพ (SURF) เครื่องตรวจจับ GPU ไม่ได้ดำเนินการให้เร็วที่สุดเท่า
CPU เครื่องตรวจจับ SURF ต้องใช้การคำนวณที่ซับซ้อนมากขึ้น
กว่าคนอื่น ๆ ในตาราง [5] [6].
ตามที่การศึกษาระดับปริญญาซับซ้อนของการประมวลผลภาพ
ขั้นตอนวิธี GPU มีประสิทธิภาพหรือไม่ในแง่ของการประมวลผล
ความเร็ว นอกจากนี้ในการใช้งาน AR ที่ GPU ควรดำเนินการ
ข้อมูลเทียมการแสดงผล ดังนั้นถ้าทุกภาพ
ขั้นตอนวิธีการประมวลผลสำหรับการตรวจจับวัตถุที่ได้รับมอบหมายให้
GPU เวลาการประมวลผลมากกว่าของโปรแกรม AR อาจจะไม่
ลดลง ดังนั้นการใช้ทั้งสองของ CPU และ GPU สามารถ
ให้ประสิทธิภาพดีกว่าการใช้ GPU เท่านั้นและใช้
CPU เพียง [7] -. [10]
เรานำเสนอรูปแบบการประมวลผลแบบขนานโดยใช้ทั้ง CPU
และ GPU ในอุปกรณ์มือถือ โครงการนี้มุ่งเน้นการเสริมสร้าง
ความเร็วในการประมวลผลของการตรวจจับวัตถุ

ผลลัพธ์ (ไทย) 3:

สำหรับการแสดงภาพการประมวลผลข้อมูลแบบเข้มข้นขั้นตอนวิธีในการประมวลผลกราฟิกคอมพิวเตอร์เอนกประสงค์หน่วย ( gpgpu ) สามารถเป็นผู้สมัครที่ดี เพราะข้อมูลระยะตรวจจับเป็นคุณลักษณะที่ดีสำหรับการเร่งความเร็ว GPU . ล่าสุดgpgpu การศึกษาแสดงผลของภาพมากตารางที่ 1 เมื่อประมวลผลอัลกอริทึมใน CPU และ GPU ที่ใช้ ,ตามลำดับ [ 4 ] [ 11 ] [ 12 ] ดังแสดงในตารางนี้ ส่วนใหญ่ของขั้นตอนวิธีการประมวลผลภาพ , GPU คือมีประสิทธิภาพมากขึ้นกว่าหน่วยประมวลผลกลาง ( CPU ) ในทางตรงกันข้าม สำหรับ speeded ขึ้นคุณลักษณะที่แข็งแกร่ง ( เซิร์ฟ ) เครื่องตรวจจับ , GPU ไม่ปฏิบัติงานเร็วซีพียู เครื่องตรวจจับคลื่นต้องมีการคำนวณที่ซับซ้อนมากขึ้นกว่าคนอื่น ๆในโต๊ะ [ 5 ] [ 6 ]ตามระดับความซับซ้อนของการประมวลผลภาพขั้นตอนวิธี , GPU จะมีประสิทธิภาพหรือไม่ ในแง่ของการประมวลผลความเร็ว นอกจากนี้ในโปรแกรม AR , GPU ควรจะแสดงการแสดงผลข้อมูลประดิษฐ์ ดังนั้น ถ้าทุกภาพขั้นตอนวิธีการประมวลผลสำหรับการตรวจจับวัตถุได้รับมอบหมายGPU ที่มากกว่าเวลาในการประมวลผลของโปรแกรม AR ไม่อาจลดลง ดังนั้นการใช้ทั้ง CPU และ GPU สามารถให้ประสิทธิภาพดีกว่าการใช้ GPU และใช้เท่านั้นแค่ CPU [ 7 ] - [ 10 ]เรานำเสนอรูปแบบการประมวลผลแบบขนานโดยใช้ทั้ง ซีพียูกับ GPU ในอุปกรณ์มือถือ โครงการนี้มุ่งเน้นการส่งเสริมการประมวลผลความเร็วของวัตถุ การตรวจสอบ