NVIDIAGPU应用于扫描地形图分割.PDFVIP

NVIDIA GPU 应用于扫描地形 图分割 案例简介 表现，其强大的深层特征提取能力是其可以在图像处理方 • 扫描地形图自动化处理时经常碰到的挑战包括图像质量差 向有出色表现的关键。但是由于扫描地形图本身图像质量低以 以及地形图尺寸过大所带来的计算开销大等问题，本案例将 及地理要素分布复杂等限制，深度神经网络在扫描地形图图像 NVIDIA GPU应用于超像素划分以及深度神经网络的实施，使 处理以及信息提取方面的应用鲜有见闻。此外，由于地形图通 用单块GPU便成功实现了扫描地形图高效准确的分割。 常都绘制在较大的纸质上（接近1 米*1 米的级别），导致在正 常分辨率下扫描得到的地形图图像常常包含数千万甚至上亿个 • 本案例主要应用到NVIDIA Tesla K40 GPU上。 像素，普通的算法常常会导致极大的时间及空间消耗。 我们燕山大学信息科学与工程学院对扫描地形图处理有着 Case Introduction 多年的研究基础，目前有多篇相关论文发表在了包括 IEEE Transactions on Image Processing 、 IEEE Transactions on Geoscience and Remote Sensing 等期刊上，但是在以往的研究并 •The challenge for automatically processing of sca nned 无法真正解决扫描地形图幅面大所造成的运算时间长等问题， topographic map includes the poor quality of images and the high computational cost caused by large size of topographic maps. This 导致很多性能较好的算法无法真正应用在实际的地形图处理 case applied Tesla K40 GPU on the implementation of superpixel 中。也正是由于这个原因，使我们迫切寻找一个可以真正应用 generation and deep neural networks. Just one piece of Tesla K40 于实际生产中的分割框架。 can significant improve the efficiency of segmentation, which make the segmentation method not only accurate but also 本案例利用 Tesla K40 GPU 具备的强大的众多线程计算能 practical for large size of topographic maps. 力，解决了长期以来存在的处理时间长的问题，在对扫描地形 • The major product utilized in the case is NVIDIA Tesla K40 图进行超像素划分的基础上，利用深度神经网络对超像素进行 GPU. 分类从而实现分割。将这些算法部署到Tesla K40 GPU 上，在实 现对扫描地形图的准确分割的同时，大幅度提高了计算处理速