[发明专利]一种针对深度学习超分辨率技术的GPU加速方法有效
| 申请号： | 201610184129.1 | 申请日： | 2016-03-28 |
| 公开（公告）号： | CN105869117B | 公开（公告）日： | 2021-04-02 |
| 发明（设计）人： | 宋利;赵章宗;解蓉 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T1/20 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 徐红银;郭国中 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种针对深度学习超分辨率技术的GPU加速方法，所述方法将基于深度学习、卷积神经网络的超分辨率技术的所有步骤都并行化，并在GPU运行；所述并行化是对基于深度学习、卷积神经网络的超分辨率技术的卷积进行并行任务划分，将卷积操作划分为数百万个互不相关、能以任意顺序并行执行的微任务，从而使GPU超强并行计算能力得到发挥。进一步的，利用GPU储存器的特性，将卷积核数据和输入图像数据缓存到共享存储器和寄存器，从而大幅优化卷积的计算速度；融合卷积与非线性层；针对不同卷积大小选取最佳优化方法。本发明将一个高质量的超分辨率方法加速到满足视频处理的速度要求，并且不会带来任何图像质量损失。 | ||
| 搜索关键词： | 一种 针对 深度 学习 分辨率 技术 gpu 加速 方法 | ||
【主权项】：
一种针对深度学习超分辨率技术的GPU加速方法，其特征在于：所述方法将基于深度学习、卷积神经网络的超分辨率技术的所有步骤都并行化，并在GPU运行；所述并行化是对基于深度学习、卷积神经网络的超分辨率技术的卷积进行并行任务划分，将卷积操作划分为数百万个互不相关、能以任意顺序并行执行的微任务，从而使GPU超强并行计算能力得到发挥。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610184129.1/，转载请声明来源钻瓜专利网。
