基于NEON与多线程技术CDVS提取加速研究.pdfVIP

在移动平台上加速CDVS提取

，王秋思，

院学院

过程类似于SIFT[2],，这将在第3节详细讨论。抛开算

法细节不谈，提取过程具有较高的计算复杂度，而在移

在大多数流行的移动设备上，MPEG‑7视觉搜索紧凑描动设备上该过程的耗时甚至更加难以接受。例如，在配

述符（CDVS）的提取速度较慢，这归因于算法的复杂备运行频率为1.4GHz四核ARM微处理器的三星

性和移动平台计算能力的限制。加速提取的一种可行且GalaxyS3移动设备上，提取一幅500×500像素图像的

直接的方法是挖掘现代移动微处理器的潜在计算能力。紧凑描述符需要超过1秒钟的时间。

本文中，我们实现了一种基于NEONSIMD的数据级并

由于CDVS是一项新技术，加速其在移动设备上提取

行和基于Pthread的多线程并行方案，以加速在多核

的相关工作很少。然而，已有若干与SIFT相关的优化方

ARM处理器上的CDVS提取过程。实验结果表明，所

法被提出。BlaineRister等人[3]通过利用移动GPU

方法在卷积上实现了3.5x的加速比，在整个

和开放图形库ES（openGLES）实现了卷积。Le

提取过程中实现了2.3x的加速效果。

TranSu等人[4]提出了一种更为激进的加速方法，即用

整数卷积代替浮点卷积。我们尝试了上述两种

方法，但均未取得令人满意的结果。前法由

索引术语—CDVS，提取，NEONSIMD，多线程

于CPU与GPU之间浮点运算能力差距的缩小，表现平平；

此外，OpenGLESAPI似乎更适合图形加速而非通用

1.引言图像处理。后法虽然在速度上有所提升，但牺牲

近年来，配备头的移动设备已变得无处不在。伴随

了数据精度，导致在我们的实验中匹配效果不佳。

着这一趋势，大量面向移动视觉搜索的应用程序也不断

涌现。一般来说，移动视觉搜索应用程序通过网络将查询

到服务器，然后沿相反路径接收结果。传统上，

查询信息包含整张图像或从图像中提取的全部特征。这两本文提出了法，通过应用基于NEON

者的的数据量都较大，因此在网络上传带宽受限时会导致SIMD的数据级并行和基于Pthread的多线程并行方案，

相对较慢的响应。加速MPEG‑7紧凑描述符的提取过程。

NEON协处理器是一个支持单指令多数据（SI

MPEG‑7视觉搜索紧凑描述符（CDVS）正是为了TM

MD）