Julia 中用于高效多尺度接触时间计算的加速卷积
计算机视觉与模式识别
2016-12-30 v1 人工智能
性能
摘要
卷积长期以来被视为应用数学、物理学和工程学的基础。其数学优雅性使得诸如数值微分等常见任务能够在大型数据集上高效计算。卷积的高效计算对于实时应用（如机器视觉）中的人工智能至关重要，其中卷积必须以每秒数十至数百千字节的速度连续高效地计算。本文探讨了卷积在基础机器视觉应用中的使用方式。我们提出了一种在高性能计算语言 Julia 中的加速 n 维卷积包，并展示了其在解决机器视觉接触时间问题中的功效。结果通过与合成生成的视频进行对比测量，并根据其与真实值的均方误差进行定量评估。对于类似的机器视觉应用，我们实现了计算时间和分配内存降低一个数量级以上。所有代码已打包并集成到官方 Julia 包管理器中，以用于各种其他场景。
引用
@article{arxiv.1612.08825,
title = {Accelerated Convolutions for Efficient Multi-Scale Time to Contact Computation in Julia},
author = {Alexander Amini and Berthold Horn and Alan Edelman},
journal= {arXiv preprint arXiv:1612.08825},
year = {2016}
}