-
公开(公告)号：CN105516728A
公开(公告)日：2016-04-20
申请号：CN201510933636.6
申请日：2015-12-15
Applicant: 华中科技大学
IPC: H04N19/436 , H04N19/593 , H04N19/11 , H04N19/147
Abstract: 本发明公开了一种H.265/HEVC中8x8子宏块的并行帧内预测方法，包括以下步骤：统一帧内预测公式形式、建立系数表和参考位置表以及并行帧内预测的具体执行步骤，统一帧内预测公式形式与建立系数表和参考位置表是根据CUDA和帧内预测计算公式的特性制定而成的，更加有利于一个8x8子宏块块中64个待预测像素和相应的35种预测模式通过统一的预测公式进行预测，满足了CUDA多线程单指令多数据流的需求，实现了帧内预测子宏块中细粒度并行，消除了影响并行算法性能的大量分支语句。本发明在帧内预测过程中实现了像素级并行，可以有效地利用GPU中众核资源加速帧内预测过程，缩短编码时间。
-
公开(公告)号：CN104778471A
公开(公告)日：2015-07-15
申请号：CN201510181541.3
申请日：2015-04-17
Applicant: 华中科技大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于GPU的多尺度空间特征提取方法，包括以下步骤：利用多尺寸并行非线性滤波构造尺度空间、在尺度空间中并行的进行关键点检测和描述符生成。其中尺度空间构造包括：多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的具体执行步骤。为了提高算法的并行度、降低数据依赖性，通过并行降采样提前得到各个尺寸下的初始图像，使得各个尺寸下的非线性滤波、关键点检测和描述符生成可以在GPU中并行的执行。本发明通过利用多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的方法，构造尺度空间，进行特征提取，可以有效的利用GPU中众核资源，实现特征提取方法的实时性。
-
公开(公告)号：CN105516728B
公开(公告)日：2019-06-28
申请号：CN201510933636.6
申请日：2015-12-15
Applicant: 华中科技大学
IPC: H04N19/436 , H04N19/593 , H04N19/11 , H04N19/147
Abstract: 本发明公开了一种H.265/HEVC中8x8子宏块的并行帧内预测方法，包括以下步骤：统一帧内预测公式形式、建立系数表和参考位置表以及并行帧内预测的具体执行步骤，统一帧内预测公式形式与建立系数表和参考位置表是根据CUDA和帧内预测计算公式的特性制定而成的，更加有利于一个8x8子宏块块中64个待预测像素和相应的35种预测模式通过统一的预测公式进行预测，满足了CUDA多线程单指令多数据流的需求，实现了帧内预测子宏块中细粒度并行，消除了影响并行算法性能的大量分支语句。本发明在帧内预测过程中实现了像素级并行，可以有效地利用GPU中众核资源加速帧内预测过程，缩短编码时间。
-
公开(公告)号：CN104778471B
公开(公告)日：2017-10-31
申请号：CN201510181541.3
申请日：2015-04-17
Applicant: 华中科技大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于GPU的多尺度空间特征提取方法，包括以下步骤：利用多尺寸并行非线性滤波构造尺度空间、在尺度空间中并行的进行关键点检测和描述符生成。其中尺度空间构造包括：多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的具体执行步骤。为了提高算法的并行度、降低数据依赖性，通过并行降采样提前得到各个尺寸下的初始图像，使得各个尺寸下的非线性滤波、关键点检测和描述符生成可以在GPU中并行的执行。本发明通过利用多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的方法，构造尺度空间，进行特征提取，可以有效的利用GPU中众核资源，实现特征提取方法的实时性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
