Quelques applications de la programmation des processeurs graphiques à la simulation neuronale et à la vision par ordinateur

par Alexandre Chariot

Thèse de doctorat en Mathématique. Informatique

Sous la direction de Renaud Keriven.


  • Résumé

    Largement poussés par l’industrie vidéoludique, la recherche et le développement d’outils matériels destinés à la génération d’images de synthèse, tels les cartes graphiques (ou GPU, Graphics Processing Units), ont connu un essor formidable ces dernières années. L’augmentation de puissance et de flexibilité ainsi que le faible prix de ces GPU ont eu comme conséquence inattendue leur utilisation dans des domaines autres que graphiques. Cet usage détourné est nommé GPGPU, General Purpose computation on GPU, ou Programmation Générique sur GPU. Motivés par les besoins computationnels considérables liés aux deux domaines de recherche s’inscrivant dans les thématiques du Certis que sont les neurosciences et la vision par ordinateur, nous proposons dans cette thèse d’appliquer les concepts GPGPU à des applications spécifiques de ces domaines. Premièrement, les idées clés de la programmation des processeurs graphiques et de leur dérivation sont exposées, puis nous présentons la diversité des applications possibles à travers un large panel de travaux existants. Dans une deuxième partie, nous présentons un réseau de neurones impulsionnels simulé grâce au GPU et accéléré jusqu’à 18 fois par rapport à une implémentation CPU équivalente. Dans une troisième partie, nous exposons une méthode variationnelle de reconstruction 3D par stéréovision dense, adaptée sur GPU, permettant de reconstruire précisément une carte de profondeur, à cadence vidéo. Enfin, nous proposons une méthode d’appariements d’images sur GPU par mise en correspondance de points d’intérêts. A partir de ce procédé, nous avons développé une application apportant un soutien logistique lors de la capture photographique d’une scène large, par exemple à des fins de reconstruction 3D

  • Titre traduit

    Some Applications of Graphics Processors Programming to Neural Simulation and Computer Vision


  • Résumé

    Widely driven by the gaming industry, research and development of new hardware graphics equipments for the generation of images, such as graphics cards (or GPU, Graphics Processing Unit), have significantly risen these recent years. The increased capacities and flexibility and low prices of these GPU had the unintended consequence of their use in areas other than graphics. This hijacking is named GPGPU, (General Purpose computation on GPU). Motivated by the computational requirements associated with two research areas within the Certis thematics (neurosciences and computer vision), we propose in this thesis to apply the GPGPU concepts to specific applications of these areas. First, the key ideas of the graphics processors programming and their hijacking are exposed, then we present the diversity of possible applications across a wide range of existing work. In a second part, we present a spiking neural network simulated through the GPU. In a third part, we set out a variational method for 3D dense stereo reconstruction adapted on the GPU, to precisely reconstruct a depth map and in almost real time, up to video rate. Finally, we propose an image matching setup using GPU to match hundreds of images interactively. From this process we have developed an application providing logistical support during the photographic capture of a large scene, for example, for 3D reconstruction.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. ( 208 p.)
  • Annexes : Bibliographie 260 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Ecole des Ponts ParisTech (Marne-la-Vallée, Seine-et-Marne). Bibliothèque Lesage.
  • Disponible pour le PEB
  • Cote : NS 32783
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.