Regressziós modellek alkalmazása képi klasszifikációs problémákra

OData támogatás
Konzulens:
Prekopcsák Zoltán
Távközlési és Médiainformatikai Tanszék

A klasszifikációs és regressziós módszerek hagyományosan processzorokon futnak. Azonban egyre elterjedtebbé válik az általános célú videokártya programozás (GPGPU) alkalmazása is. A GPU számítási kapacitása az utóbbi években többszörösen felülmúlta a CPU-ét.

Dolgozatom célja, hogy egyrészt az OpenCL-ben rejlő lehetőségek feltérképezése egy közismert klasszifikációs algoritmus implementálásának segítségével, másrészt hogy az így kapott program futási idejét összehasonlítsam az eddig létező implementációkkal. A választott algoritmus a logisztikus regresszió batch gradiens módszer.

Munkám során egy nagyméretű képi tanuló illetve teszthalmazzal dolgozok. Fő célom, hogy megfelelő tanítás után olyan modellt tudjak adni a képek osztályozására, amely eredménye megközelíti a referenciaértékeket.

A dolgozatban tömören ismertetem a képi osztályozást menetét egy adott képtől kezdve egészen a „jóslatig”, megvalósításra azonban ennek csak az utolsó lépés kerül.

A dolgozat eredménye egy olyan logisztikus regresszió megvalósítás OpenCL keretek között, amely sebességben nem csak a hagyományos batch gradiens algoritmust múlja fölül, hanem a hagyományosan gyorsabb sztochasztikus gradiens sebességét is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.