论文部分内容阅读
行驶车辆识别是智能交通中的重要方面。交通图像数据量大，车型分类识别需借助高性能计算提高识别效率。计算机体系结构的多样性和并行编程工具的复杂性，导致普通程序员开发充分优化的并行程序有困难。本文将面向普通应用程序开发人员。他们缺乏并行编程经验和计算机体系结构相关知识。面向高性能计算的云编程环境，使用Julia作为编程语言，探索图像识别算法的并行实现。有经验的并行程序员为云服务平台设计一套优化的库函数，通过性能自适应机制，被普通程序员透明调用，保证程序的计算效率。本文使用Julia语言，实现了形式车辆的图像识别程序，对比串行/并行程序的运行效率。实验结果表明，该编程环境大大简化了程序代码量，编写并行程序容易，且使用CUDA编写的Julia库函数支持下的图像识别程序运行效率高达串行程序的40倍以上。