Clasificación Supervisada de Imágenes de Sensado Remoto en GPU

TítuloClasificación Supervisada de Imágenes de Sensado Remoto en GPU
AutoresJavier López-Fandiño, Dora B. Heras, Francisco Argüello
TipoComunicación para congreso
Fonte XXV Jornadas de Paralelismo, Valladolid, España, 2014.
AbstractLos algoritmos de procesado de imágenes hiperespectrales son muy costosos computacionalmente, lo que los convierte en buenos candidatos para el procesamiento paralelo y, en particular, el procesamiento en GPU. Extreme Learning Machine (ELM) es un algoritmo de clasificación propuesto recientemente muy adecuado para su implementación en plataformas GPU. En este artículo proponemos una implementación eficiente en GPU de una estrategia de clasificación para imágenes hiperespectrales basada en ELM. ELM puede expresarse en términos de operaciones matriciales que pueden aprovechar al máximo la arquitectura de una GPU. En lo referente a la precisión de clasificación, el algoritmo propuesto alcanza resultados competitivos comparado con una estrategia tradicional basada en SVM con tiempos de ejecución significativamente inferiores. Además, se considera el uso de un mecanismo de voto para mejorar los resultados de precisión.
Palabras chaveImágenes hiperespectrales, redes neuronales, ELM, SVM, GPU, CUDA, MAGMA.