计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2012年
10期
8-10
,共3页
CUDA%SVM%车牌识别%并行计算
CUDA%SVM%車牌識彆%併行計算
CUDA%SVM%차패식별%병행계산
传统的车牌识别研究主要目的是提高识别准确率.利用CUDA技术在准确率不降低的情况下实现识别速度的提高.为此,对常用的SVM分类方法进行改进,使其能够在GPU上实现并行计算,再利用改进后的SVM训练和预测车牌字符数据.实验结果表明,相对于运行在CPU上的LIBSVM方法,经过改进的在GPU上运行的SVM方法能够带来1-30倍训练速度和50-72倍预测速度的提高,且随着样本数量的增加,加速效果会更加显著.
傳統的車牌識彆研究主要目的是提高識彆準確率.利用CUDA技術在準確率不降低的情況下實現識彆速度的提高.為此,對常用的SVM分類方法進行改進,使其能夠在GPU上實現併行計算,再利用改進後的SVM訓練和預測車牌字符數據.實驗結果錶明,相對于運行在CPU上的LIBSVM方法,經過改進的在GPU上運行的SVM方法能夠帶來1-30倍訓練速度和50-72倍預測速度的提高,且隨著樣本數量的增加,加速效果會更加顯著.
전통적차패식별연구주요목적시제고식별준학솔.이용CUDA기술재준학솔불강저적정황하실현식별속도적제고.위차,대상용적SVM분류방법진행개진,사기능구재GPU상실현병행계산,재이용개진후적SVM훈련화예측차패자부수거.실험결과표명,상대우운행재CPU상적LIBSVM방법,경과개진적재GPU상운행적SVM방법능구대래1-30배훈련속도화50-72배예측속도적제고,차수착양본수량적증가,가속효과회경가현저.