Click here to load reader

Présentation de Stage (22-10-2010)

  • View
    22

  • Download
    0

Embed Size (px)

DESCRIPTION

Développement d'algorithmes de reconnaissance de cibles non coopératives et parallélisation sur GPU. Présentation de Stage (22-10-2010). Thomas Boulay. Sommaire. Présentation Algorithme des KPPV (K Plus Proches Voisins) Linéaire vs dB Linéaire vs dB avec Recalage Seuillage - PowerPoint PPT Presentation

Text of Présentation de Stage (22-10-2010)

  • Thales Air Operations*SommairePrsentationAlgorithme des KPPV (K Plus Proches Voisins)Linaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*PrsentationNCTR (Non Cooperative Target Recognition)Objectif: Reconnaissance de ciblesAttribut utilis: Profil Distance

    Donnes4 cibles pour la base dapprentissage3 cibles pour la base de testObjectifs du stageTester les performances de lalgorithme des KPPVMatriser le taux derreur et rduire les temps de calculsRegarder linfluence du traitement de linformation non comprimeImplmenter sur GPU

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*K Plus Proches VoisinsK plus petites distancesProfil distance de test appartient la classe majoritaire

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Linaire vs dB (Taux derreur)LinairedBMeilleures performances en dB apport des points brillants de faible amplitude

    Thales Air Operations

  • Thales Air Operations*Linaire vs dB (Taux de succs)LinairedB Reconnaissance cible 3 fortement influence par les points brillants de faible amplitude

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Linaire vs dB avec recalageRecalage des donnes en distance avant application des KPPV

    Thales Air Operations

  • Thales Air Operations*Linaire vs dB avec recalage (Taux derreur)LinairedB Lgre diminution du taux derreur Profils distance pralablement recals grossirement

    Thales Air Operations

  • Thales Air Operations*Linaire vs dB avec recalage (Taux de succs)LinairedB Meilleures performances en dB profils traits en dB L1L2

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Seuillage (Taux derreur)L1L2 Plus le seuil est haut, plus le taux derreur augmente Reconnaissance influence par les chantillons de faible amplitudeApplication dun seuil adapt au niveau de bruit de chaque profil distance

    Thales Air Operations

  • Thales Air Operations*Seuillage (Taux de succs)Seuillage niveau de bruit + 5dB (L2)Seuillage niveau de bruit + 15dB (L2) Reconnaissance cible 3 trs sensible au seuillage Influence non ngligeable des chantillons de faible amplitude (bruit ou signal utile)

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Fentrage Distance125 chantillonsIntrt: Reconnaissance sur les points de faible amplitude ou bruit thermique?

    Thales Air Operations

  • Thales Air Operations*Fentrage Distance (Taux derreur)L1L2 Lgre dgradation des performances Influence des chantillons de bruit

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Conclusion et perspectives

    ConclusionMise en vidence des limites des KPPVInfluence des points de faible amplitudeKPPV trs sensible aux chantillons de bruitMeilleurs rsultats obtenus:KPPV avec recalage

    Algorithme non optimal pour la reconnaissance de cibles

    PerspectivesMulti-Dcision pour rduire le taux derreur

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVIntroductionLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Prsentation des GPUGPU : Graphic Processing Unit

    Evolution vers une architecture multi-coeur:A lorigine, architecture ddie au rendu de volumePipeline GraphiqueDepuis 2006, architecture adapte la paralllisation de divers calculs scientifiquesCUDA: Common Unified Device Architecture (prog. en C)

    Thales Air Operations

  • Thales Air Operations*Comparaison GPU-CPUPuissance de calculDbit mmoire GPU adapts aux calculs massivement parallles Nombreux cas non paralllisables CPU

    Thales Air Operations

  • Thales Air Operations*Hirarchie des threads Un ID par thread et un ID par bloc de threads thread

    bloc de threadsquentielleparallleExcution

    Thales Air Operations

  • Thales Air Operations*MmoiresAccs aux mmoires

    Thales Air Operations

  • Thales Air Operations*Hirarchie mmoire et excution code GPU Hirarchie mmoirePC hote et carte graphique

    Thales Air Operations

  • Thales Air Operations*Architecture FermiPrincipales amliorations: 512 curs 64 KB de RAM configurable 3 GB de mmoire globale Calcul en prcision double amlior Intgration code correcteur derreur240 curs16 KB mmoire shared4 GBSource NVIDIA

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVIntroductionLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation sur GPUPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectives

    Thales Air Operations

  • Thales Air Operations*Application des KPPV sur GPUDonnesProfils distances simuls3 cibles diffrentes pour la base dapprentissage3 cibles diffrentes pour la base de test3 tapes:Etape 1: Calcul des distances entre les profils de la base de test et de la base dapprentissage + recalage + seuillage

    Etape 2: Trier les distances par ordre croissant et garder les k premiresEtape 3: Prise de dcision

    Nech512Ntest150Napp512

    Thales Air Operations

  • Thales Air Operations*Paralllisation des calculs: dcoupage en threads1 Distance = 1 thread1re versionGestion de la mmoireBase de testBase dapprentissageDistance RsultatMmoire sharedCache TextureRegistreRsultatsx 18

    Nblocs = Ntest150Nthreads/bloc = Napp512NOp/thread = Nech512

    Temps de calcul (ms)Programme C48.32Programme CUDA (mmoire globale)24.90Programme CUDA2.73

    Thales Air Operations

  • Thales Air Operations*Paralllisation des calculs: dcoupage en threads1 Distance + recalage + seuillage = 1 thread2me versionGestion de la mmoireBase de testBase dapprentissageDistance RsultatMmoire sharedCache TextureRegistreSeuilCache ConstantRsultatsx 58(Matlab)

    Nblocs = Ntest150Nthreads/bloc = Napp512NOp/thread = Nech*2*Ndec512*200

    Temps de calcul (s)KPPV Matlab121.77KPPV Matlab Mex-CUDA2.10

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation GPUsPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

    Thales Air Operations

  • Thales Air Operations*Conclusion et perspectivesConclusionFacteur dacclration de 58 pour lalgorithme des KPPVCalcul GPU intgr Matlab

    PerspectivesOptimisation de la mmoire et du dcoupage en threadOptimisation de limplmentation GPU (Fermi)Implmentation sous OpenCl

    Rduction temps de calcul Rduction de dimensionnalit (ACP, Fourier)

    Thales Air Operations

  • Thales Air Operations*PrsentationAlgorithme des KPPVLinaire vs dBLinaire vs dB avec RecalageSeuillageFentrage DistanceConclusion et perspectivesImplmentation GPUsPrsentation des GPUApplication des KPPV sur GPUConclusion et perspectivesConclusion gnrale

  • Thales Air Operations*Conclusion et perspectivesKPPVPermet de ne pas comprimer linformation pas de perteRsultats:Pas de matrise du taux derreurParamtrage dlicat (Seuil, Fentrage, )

    GPUBonnes performances obtenues acclration significative Bien adapt la reconnaissance de profilsAlgorithme non idal pour la reconnaissance de profilsNcessit de mettre au point un nouvel algorithme de reconnaissance de cibles exploitant la puissance de calcul offerte par les GPU

  • Thales Air Operations*Questions-Rponses

    Thales Air Operations

Search related