低成本 ARM big.LITTLE 非对称架构上级联分类器人脸检测的加速与能耗优化
性能
2024-02-07 v1
摘要
本文提出了一种机制，利用功率预算有限的低成本非对称多核处理器（AMP）的特性，加速并优化基于类 Haar 级联分类器的人脸检测软件的能耗。为了高效利用 big.LITTLE ARM 处理器上的现有特性，提出了一种建模与任务调度/分配方案，包括：(I) 用于并行计算的源代码适配，通过应用 OmpSs 编程模型实现代码加速，这是一种以透明方式处理任务间数据依赖性的基于任务的编程模型；(II) 不同的 OmpSs 任务分配策略，这些策略考虑了处理器非对称性，并能根据其特定特性更高效地动态设置处理资源。所提出的机制可有效应用于利用执行基于级联分类器的目标检测算法的低成本、低能耗多核嵌入式设备上的处理元件。尽管这些分类器在计算机视觉领域的检测算法中产生了最佳结果，但其高计算需求阻碍了它们在这些设备上满足实时性要求的应用。最后，我们将具有合适任务调度的基于非对称多核处理器的异构架构的能效与同构对称架构的能效进行了比较。
引用
@article{arxiv.2402.04090,
title = {Acceleration and energy consumption optimization in cascading classifiers for face detection on low-cost ARM big.LITTLE asymmetric architectures},
author = {Alberto Corpas and Luis Costero and Guillermo Botella and Francisco D. Igual and Carlos García and Manuel Rodríguez},
journal= {arXiv preprint arXiv:2402.04090},
year = {2024}
}